HarnessPro: Performance-Cost Trade-offs के लिए Pareto अनुकूलन के साथ पुनरावृत्त Harness आत्म-अनुकूलन / HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs (2026) (Hindi)

Zhuoshi Pan, ZhiYuan Feng, Yukuo Cen, Honglin Lin, Junru Lu, Zhongxia Chen, Shuo Yang, H. Vicky Zhao · 2026 · arXiv

Hindi

Harness विकास सक्षम एआई एजेंटों का निर्माण करने में एक महत्वपूर्ण भूमिका निभाता है। हाल के दृष्टिकोणों ने पुनरावृत्तिपूर्ण आत्म-अनुकूलन (आरएसआई) के माध्यम से हार्ड्स को बेहतर बनाया है, लेकिन उनके प्रदर्शन लाभ अक्सर उच्च निष्पादन लागत के साथ आते हैं। हम हार्ड्स को विकसित करने के लिए हार्ड्स के लिए एक लेबल-मुक्त विधि, कार्य प्रदर्शन में सुधार करने के लिए हार्ड्स को लागू करते हैं, जबकि निष्पादन लागत को कम करते हैं।

Abstract

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

Is this paper real? This page was built from OpenAlex and arXiv records, not generated. Software can verify any reference in one call: 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.txt