以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Agent harness evolution enables recursive self-improvement (RSI) without updating model weights. We examine whether higher benchmark scores yield reliable, efficient, and transferable improvement. We evaluate four methods across harnesses, general and coding tasks. Repeated evaluations, controlled agent expansion, comp
阅读原文 · Xiaobo Wang, Zimu Wang, Siyu Ye, Jiaqi Li, Min Tang, Jun Bai, Yuling Shi, Ruobing Wang, Jingjing Zhang, Chaofan Wang, Kai Wu, Mengnan Qi, Kai Cai, Xiaodong Gu, Qi Liu, Zilong Zheng
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文讨论的是一个很实际的问题：不改模型权重，只改 Agent 的外层框架（harness），让它自己迭代自己，分数确实能涨。但这种涨分可靠吗、省钱吗、能迁移吗？ 作者团队做了一轮系统性的“审计”，结论不太乐观。 十六个进化后的 Agent 全部出现了同一种现象：拿到了以前做不出的任务，同时丢掉了以前能做对的任务。 一个通用任务案例里，可靠性提升了 5.2...