https://inkeast.github.io/MessageDaily/tags/harness%E5%B7%A5%E7%A8%8B/Recent content in Harness工程 on MessageDailyHugozh-cnThu, 29 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-29-harness-optimization-audit-trio-paper-reading/Thu, 29 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-29-harness-optimization-audit-trio-paper-reading/本文精读 2026 年 10 月三篇互相咬合的 harness 优化论文。BiPA 用选择重放与二部图归因审计 skill 优化器，发现十六个学得技能测试增益平均仅 +0.1 点、输入 token 却多读约 16%，增益多是选择噪声的幻象；「Your Policy Is Secretly a Harness」证明最优 policy 的 log odds 恒等于 harness 诱导的相对动作分数差，部署回报恒等于 ceiling 减 mismatch，为评估给出理论坐标；RuHarness 则以结果盲判 rubric、四态生命周期与六坐标 harness 映射实现 rubric-harness 双向共进化，held-out 提升 4.5 到 5.3 点。三篇合读构成对 harness 优化的一次完整审计、建模与修正。https://inkeast.github.io/MessageDaily/posts/2026-10-29-harness-coevolution-context-trio-paper-reading/Thu, 29 Oct 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-10-29-harness-coevolution-context-trio-paper-reading/本篇精读覆盖 2026 年 10 月的三篇 harness 工程论文。CoHARL 用种群式强化学习让策略权重与可执行 harness 在训练全程共演化，在 SWE-rebench 上拿到 27.6% 解决率；Context Is a Pipeline 把上下文建模为五阶段流水线，实测 34% 工具结果被前缀切片截成 broken JSON，晚字段送达率仅 4.7%；同团队后作 Stratum 设计三层仓库记忆与九个页安全 MCP 工具，异模型写读实验 21/24 对 6/24 压倒检索基线。三篇合起来看：harness 既是要被训练的接口，也是要被测量的管道，还是要被持久化的记忆载体。