Apple与EPFL研究：强模型智能体几乎不需要复杂harness

2026年10月1日，Apple Machine Learning Research发布与EPFL研究者合作的论文《How Much of a Harness Does a Strong Agent Need for Autonomous ML Engineering?》。研究通过大规模系统性消融实验发现，在相同时间预算和同一前沿LLM骨干条件下，开源最先进harness并不优于最小化harness编码智能体的单次会话。作者据此认为，在编码智能体场景中，复杂机制层已变得冗余，性能主要由LLM骨干驱动，为强模型手工搭建复杂harness在当前MLE基准上回报很低。该结论限定于上述实验条件与MLE基准，未涉及其他任务或更弱模型的情形。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。