arXiv 於 2026 年 10 月 20 日（週二）18:36:33 UTC 收錄了一篇新提交的論文《Forging More Tasks into Better Harnesses: Agentic Harness Evolution via Successive Scale Racing》，編號為 arXiv:2610.28815v1 [cs.AI]，歸類於人工智慧（cs.AI）方向，全文約 216 KB。論文第一作者為 Jingzhe Liu，另有四位合作者，共五人署名。該文提供 PDF 全文、實驗性 HTML 版本以及 TeX 原始碼，並附帶音訊摘要等功能；DOI 方面，arXiv 已透過 DataCite 發放 DOI（10.48550/arXiv.2610.28815），但登記狀態顯示為待完成（pending registration）。
論文聚焦“智慧體執行框架演化”（agentic harness evolution）這一方向。所謂 harness，指的是智慧體的指令、工具與控制流的組合；而 harness 演化則是把智慧體自身執行任務的經驗作為不斷演化的證據，據此最佳化這些指令、工具與流程。按照直覺，用於演化的任務越多，可供學習的經驗越豐富，效能應當越好。然而作者在初步研究中發現了一個悖論式的失效模式：隨著任務池擴大，現有方法的效能反而下降。進一步分析表明，這種退化並非來自任務本身，而是源於最佳化過程中的證據選擇不夠理想——不同的證據組合會導致差異顯著的演化結果，也就是說“用哪些任務經驗來驅動演化”本身就是關鍵變數。
為應對這一問題，作者提出名為 Successive Scale Racing（SSR，逐級規模競賽）的框架。SSR 在每一輪演化中自適應地搜尋最優證據組合：它依據任務質量與覆蓋度構造多樣化的證據組合，並在較小的計算預算下對由此產生的候選 harness 進行高效的“競賽”式篩選，從而快速淘汰表現不佳的候選、保留接近最優的方案。
實驗方面，作者在三個不同基準上進行了評測，SSR 在全部六種配置下均取得當前最優（state-of-the-art）結果。尤為值得注意的是任務池規模擴充套件實驗：當任務池從 40 增長到 200 時，SSR 的透過率從 64.3% 穩步提升到 68.3%，而所有基線方法的效能則出現下降，正好印證了論文開篇指出的悖論現象，也說明 SSR 能夠把更多工真正轉化為更好的 harness。此外，其競賽機制在識別接近最優候選的同時，將驗證執行次數減少了 60%，體現出在有限算力預算下的效率優勢。
需要說明的是，上述資料均來自論文摘要所報告的實驗結果，具體實驗設定、基線選擇與三個基準的細節需參閱原文；該文目前為 v1 版本，後續可能修訂。論文的引用資訊為 arXiv:2610.28815 [cs.AI]，可透過 DOI 連結訪問。