Harness Engineering

归档报告（最新在前）

• May

  05
  #1
  AgentPulse：18 个真实部署信号 × 50 个 Agent × 4 维度的连续评估框架

  Gao, Wang, Yu · arXiv 2026-04-27 · Deployment-aware harness
  93 分
• May

  04
  #1
  VeRO：第一个面向"Agent 优化 Agent"的可复现评测 Harness

  Ursekar, Shanker, Chatrath et al. · arXiv 2026-02-25 · Meta-Evolution 的量尺
  93 分
• May

  03
  #1
  Terminal Wrench：331 个可 reward-hack 的 Agent 环境 + 3,632 条利用轨迹

  Bercovich, Segal, Zhang et al. · arXiv 2026-04-19 · Harness 信度基础数据集
  94 分
• May

  02
  #1
  《最后一次你需要亲手搭 Harness》：两层元进化，自动化"自动化本身"

  Seong, Yin, Zhang · arXiv 2026-04-22 (v2 04-28) · Meta-Evolution Loop
  94 分
• May

  01
  #1
  SemaClaw：用 Harness Engineering 迈向通用个人 AI Agent 的开源实现

  Zhu, Wang et al. · arXiv 2026-04-13 · DAG + PermissionBridge 四件套
  93 分
• Apr

  30
  #1
  AgentFlow：用类型化图 DSL 合成多 Agent Harness，挖出 10 个 Chrome 0-day

  Liu, Shou et al. · arXiv 2026-04-22 · TerminalBench-2 84.3%
  94 分
• Apr

  29
  #2
  vla-eval：解耦模型推理与评测执行的统一 VLA 评估 Harness

  Choi, Lee et al. · AI2 / UW / NVIDIA · arXiv 2026-03-14 (v2 04-17)
  92 分
• Apr

  29
  #1
  Agentic Harness Engineering：由可观测性驱动的 Coding Agent Harness 自动演化

  Lin, Liu et al. · 复旦/上海 AI Lab/微软研究院 · arXiv 2026-04-28
  93 分
• Apr

  28
  #1
  LLM Agent 外部化：记忆、技能、协议与 Harness Engineering 统一综述

  Zhou, Chai et al. · 上海交通大学/CMU · arXiv 2026-04-09
  94 分