EvoHarness-RL: Learning Self-Evolving Runtime Harness for Long-Horizon LLM Agents¶

复现级别：核心机制 mini-suite。 本地实现执行论文特有的 Harness policy RL 算子；不把确定性小型评测写成论文完整复现。

论文信息¶

字段	内容
论文链接	arXiv 2608.05446
公司/机构/学校	University of Illinois Urbana–Champaign / Meta AI
首次公开日期	2026-08-05（arXiv v1）
原文开源代码	否：未发现原作者公开代码（核查日期：2026-08-09）
Adapter	`evoharness-rl`
本地复现代码	`src/auto_research/agent_research/latest_20260809.py`

主题：Harness policy RL。 把 Belief、Progress、Experience 暴露为策略可操作的外部状态；先 SFT 学会 harness action，再以成本感知 GRPO 学习何时读写和合并。

flowchart LR
    N0["交互轨迹"] --> N1
    N1["BPE harness state"] --> N2
    N2["harness SFT"] --> N3
    N3["cost-aware GRPO"] --> N4
    N4["选择性读写"]

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

\(R=R_{task}-\lambda C_{harness}\)

Qwen3-8B 在 ALFWorld 达到 96.9% success，并观察到 harness annealing 与 harness evolution。

稳定指标保存在本论文目录的 metrics/planbench-mini-seed42.json，不提交 checkpoint 或原始运行目录。

auto-research agent-research --method evoharness-rl --benchmark planbench-mini --episodes 120 --seed 42

本地对照口径：evoharness-rl 与同一公开 mini-suite 的无该机制控制组比较；仅报告本地产物中的指标，不把原文大模型/真实环境结果移植为本地提升。