HarnessEvolve：從參考軌跡學習，實現可靠的代理自我演化

自我演化代理透過「依環境回饋優化自己的 harness——提示、技能、工具、執行邏輯」邁向自主。然而這個範式受三個挑戰所阻：信用分配失效 (credit assignment failure)，末端成功/失敗回饋讓「哪一步造成錯誤」變得模糊；捷徑學習 (shortcut learning)，代理死記任務特定模式而非取得可泛化能力；災難性遺忘 (catastrophic forgetting)，未把關的更新退化先前已取得的能力。在本文中，我們引入 HarnessEvolve，一個從參考軌跡學習以達成可靠代理自我演化的框架。HarnessEvolve 把執行代理與演化流程解耦，把執行、評估、優化、把關分派給獨立的代理模組，實現可泛化且穩定的 harness 改善。具體而言，HarnessEvolve 藉由生成參考軌跡（給定標準答案時產生的執行路徑）並把失敗執行對齊到它們以萃取錯誤訊號、再把訊號聚類以揭露系統性失效模式，來克服信用分配失效。為防止捷徑學習與災難性遺忘，候選 harness 更新必須通過兩道閘：一道品質閘 (quality gate) 過濾資料洩漏 (data leakage) 與提示膨脹 (prompt bloat)，一道效能閘 (performance gate) 只在「更新改善當前批次、且不退化近期批次」時接受，並在 epoch 結束時用保留集選出表現最佳的已接受代理快照。我們在橫跨開放領域與企業情境的多個基準上、用不同模型與代理框架做了廣泛實驗。結果證明 HarnessEvolve 在所有基準與設定上都一貫勝過 state-of-the-art 基準線，確認其跨任務領域的可靠性。