runtime-harness

该论文提出了一个统一的"工作智能体"（work agents）框架，将基础模型与运行时框架结合以可靠执行复杂数字任务，引入持久性与开放性两个维度，并系统分析能力族、模型与框架优化及评估方法。

介绍了EvoHarness-RL，一个为长时程LLM智能体学习运行时框架策略的框架，使其能够在任务执行过程中构建和更新外部状态（信念、进度、经验）。在ALFWorld上使用Qwen3-8B，它达到了96.9%的成功率，并揭示了框架退火和进化动态。

Harness-R1 提出了一种方法，从失败轨迹中学习为 LLM 智能体编辑可执行的运行时 harness，使用一个独立的 9B 工程师模型通过在线 GRPO 优化，同时保持目标模型冻结。它在 WebShop、ALFWorld 和 DBBench 上提高了成功率。

提出了Life-Harness，一种通过适配运行时接口而非模型权重来改进冻结的LLM智能体的方法，在126个设置和18个backbones中实现了平均88.5%的相对改进。