资讯摘要
论文提出 HarnessPro，一种无需标签的 harness 演化方法，通过专用智能体诊断执行轨迹并规划更新，以在提升任务表现的同时降低执行成本。该方法用归一化加权平方距离选择，输出侧重成本（lite）、均衡（medium）和侧重性能（heavy）三种 harness。作者报告在 Terminal-Bench 2、SWE-Bench Pro 和 ProgramBench 上，使用 GPT-5.5 与 Codex 时 heavy 模式相对 RHO 平均通过率提升 2.0 个百分点、每任务成本降低 26.1%。
要点速读
- 论文提出 HarnessPro，用 LLM 生成的测试评估候选 harness，不依赖真实答案或官方测试。
- 方法提供 lite、medium、heavy 三种性能-成本取向的 harness，供不同部署预算选择。
- 作者报告在三个基准上使用 GPT-5.5 与 Codex 时，heavy 模式相对 RHO 平均通过率提升 2.0 个百分点、每任务成本降低 26.1%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:10:48（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。