清华智谱等提出 HarnessPro，优化 Agent 成本
热点事件持续更新
清华智谱等提出 HarnessPro，优化 Agent 成本
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
清华大学、智谱等机构的研究人员提出 HarnessPro 方法，通过递归优化 Agent 的 Harness——指令、工具、Skill、Hook 和验证规则——在任务成功率与执行成本之间寻找平衡，整个过程不改变模型权重。论文称，以固定生成测试替代 LLM 判断后，失败识别召回率从 41.7% 提升至 83.3%。 该方法目前实验集中在 Coding Agent 场景；论文中的执行成本按模型 Token 用量及对应价格计算，尚未完整计入 HarnessPro 自身在多轮优化中产生的计算和运行开销。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 13:50
从 GLM 到 GPT，HarnessPro 如何用 RSI 降低 Agent 成本报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- 博客园从 GLM 到 GPT，HarnessPro 如何用 RSI 降低 Agent 成本
清华大学、智谱等机构的研究人员提出 HarnessPro，通过递归优化 Harness 在任务成功率和执行成本之间寻找平衡。该方法不改变模型权重，只调整指令、工具、Skill、Hook 和验证规则，并用固定生成测试替代 LLM 判断，失败识别召回率从 41.7% 提升至 83.3%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。