Zhuoshi Pan, ZhiYuan Feng, Yukuo Cen, Honglin Lin, Junru Lu, Zhongxia Chen, Shuo Yang, H. Vicky Zhao · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26770 · open-access PDF
Harness-Entwicklung spielt eine entscheidende Rolle beim Aufbau von leistungsfähigen KI-Agenten. Jüngste Ansätze verbessern Harnesses durch recursive Selbstverbesserung (RSI), aber ihre Leistungsgewinne kommen oft mit höheren Ausführungskosten. Wir führen HarnessPro ein, eine Etikettenfreie Methode für die Entwicklung von Harnesses, um die Aufgabenleistung zu verbessern und gleichzeitig die Ausführungskosten zu senken. In dieser Einstellung werden Kandidatenharnesses mithilfe von LLM-generierten Tests ohne Zugang zu Grundwahrheitslösungen oder offiziellen Tests bewertet. Spezialisierte Agenten diagnostizieren Ausführungsschritte, planen Updates mit unterschiedlichen Leistungskostenprioritäten und implementieren
Machine translation (Meta M2M100); the English original follows.
Harness development plays a crucial role in building capable AI agents. Recent approaches improve harnesses through recursive self-improvement (RSI), but their performance gains often come with higher execution costs. We introduce HarnessPro, a label-free method for evolving harnesses to improve task performance while reducing execution cost. In this setting, candidate harnesses are evaluated using LLM-generated tests without access to ground-truth solutions or official tests. Specialized agents diagnose execution trajectories, plan updates with different performance-cost priorities, and imple
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26770, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange