arXiv 于 2026 年 10 月 20 日（周二）18:36:33 UTC 收录了一篇新提交的论文《Forging More Tasks into Better Harnesses: Agentic Harness Evolution via Successive Scale Racing》，编号为 arXiv:2610.28815v1 [cs.AI]，归类于人工智能（cs.AI）方向，全文约 216 KB。论文第一作者为 Jingzhe Liu，另有四位合作者，共五人署名。该文提供 PDF 全文、实验性 HTML 版本以及 TeX 源码，并附带音频摘要等功能；DOI 方面，arXiv 已通过 DataCite 发放 DOI（10.48550/arXiv.2610.28815），但登记状态显示为待完成（pending registration）。
论文聚焦“智能体执行框架演化”（agentic harness evolution）这一方向。所谓 harness，指的是智能体的指令、工具与控制流的组合；而 harness 演化则是把智能体自身执行任务的经验作为不断演化的证据，据此优化这些指令、工具与流程。按照直觉，用于演化的任务越多，可供学习的经验越丰富，性能应当越好。然而作者在初步研究中发现了一个悖论式的失效模式：随着任务池扩大，现有方法的性能反而下降。进一步分析表明，这种退化并非来自任务本身，而是源于优化过程中的证据选择不够理想——不同的证据组合会导致差异显著的演化结果，也就是说“用哪些任务经验来驱动演化”本身就是关键变量。
为应对这一问题，作者提出名为 Successive Scale Racing（SSR，逐级规模竞赛）的框架。SSR 在每一轮演化中自适应地搜索最优证据组合：它依据任务质量与覆盖度构造多样化的证据组合，并在较小的计算预算下对由此产生的候选 harness 进行高效的“竞赛”式筛选，从而快速淘汰表现不佳的候选、保留接近最优的方案。
实验方面，作者在三个不同基准上进行了评测，SSR 在全部六种配置下均取得当前最优（state-of-the-art）结果。尤为值得注意的是任务池规模扩展实验：当任务池从 40 增长到 200 时，SSR 的通过率从 64.3% 稳步提升到 68.3%，而所有基线方法的性能则出现下降，正好印证了论文开篇指出的悖论现象，也说明 SSR 能够把更多任务真正转化为更好的 harness。此外，其竞赛机制在识别接近最优候选的同时，将验证执行次数减少了 60%，体现出在有限算力预算下的效率优势。
需要说明的是，上述数据均来自论文摘要所报告的实验结果，具体实验设置、基线选择与三个基准的细节需参阅原文；该文目前为 v1 版本，后续可能修订。论文的引用信息为 arXiv:2610.28815 [cs.AI]，可通过 DOI 链接访问。