arXiv cs.AI· Yuhua Jiang, Chang Xu, Feifei Gao, Li Zhao·· 11 小时前AI 评分34
HarnessMM：用递归自我改进提升 Harness 的 Token 效率
HarnessMM: Recursive Self-Improvement for Harness Token Efficiency
AI 导读
HarnessMM 通过受保护决策复用与递归自我改进（RSI）减少 agent harness 在工具反馈后的重复推理，actor 权重保持不变。
正文 · AI 翻译
摘要：Agent harness 在工具反馈后会反复调用推理，即使先前的调用已经确定了下一步动作。我们提出 HarnessMM（Harness Minus Minus），一种通过受保护决策复用与递归自我改进（RSI）提升 harness token 效率的方法。RSI 根据训练反馈迭代优化配套 harness 配置，并通过验证选择用于部署的配置。模型-工具边界处的控制器复用已解决的决策，以替代后续的推理回调，同时 actor 权重保持不变。可执行决策图存储精确动作、字面参数、因果依赖和公开守卫。受保护决策复用根据观测到的回执激活这些持久决策；经认证的回调替换通过原生接口执行它们，并记录已注册慢速回调的移除。新的语义决策、不受支持的证据以及选择器弃权会再次调用原始 actor。该表示限制了反馈可以改变的内容，而完整任务测量则确立质量与成本。在 HumanEval 上，HarnessMM 保持 Codex 成功率为 90.82\%，同时将 Tokens/task（k）从 66.72 降至 47.02（节省 29.54\%）。对于 DeepSeek Harness，成功率从 71.43\% 升至 85.71\%，同时 Tokens/task（k）从 96.28 降至 11.62（节省 87.93\%）。一项单独的 MBPP 消融实验测得成本比单次使用图低 26.91\%，比保留回调低 19.52\%。这些结果确立了受保护决策复用作为一种减少现有 harness 中重复推理的实用方法。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.32813 [cs.AI] |
| （或 arXiv:2610.32813v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32813 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuhua Jiang [查看电子邮件]
[v1]
2026年10月23日星期五 15:47:47 UTC（1,450 KB）
来源：arXiv cs.AI · arxiv.org