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。
Harness optimization can substantially improve LLM agents without modifying model weights, but existing methods primarily optimize response quality. Extending them to joint quality--cost optimization introduces a challenge: applying the deployment preference during intermediate updates can prematurely reject candidates
阅读原文 · Xingzhi Qian, Sungho Park, Rongyuan Tan, Jianbo Yu, Jue Zhang, Lorenzo Cavallaro, Menglin Xia, Yanzhi Chen, Xinnuo Xu, Yu Kang, Xinran Zheng, Gagan Somashekar, Xuchao Zhang, Chetan Bansal, Qingwei Lin, Victor Rühle
向阳乔木 · opencode-go/deepseek-v4.1-flash
现在做 Agent 产品的人大概都有个共同感受：模型权重动不了，能动的只有外面那层东西。提示词怎么写、工具怎么调、上下文怎么塞、失败怎么重试，这些拼在一起就是所谓的 harness（外壳/框架层）。 这篇论文盯的就是这层外壳的自动优化。已有方法大多只盯着“回答质量”往上推，代价是成本可能悄悄涨上去。ParetoSaddler 想同时管住质量和成本，而且它识别...