Video-RSI：通过 harness 演化递归改进视频 Agent¶

复现级别：L1 接纳规则。 实现准确率—视觉成本双目标的 Pareto 接纳；未在视频 benchmark 上自动改写并执行完整 harness。

论文信息¶

字段	内容
论文链接	Video-RSI
公司 / 机构	清华大学（第一作者署名单位）
首次公开日期	2026-09-29（arXiv v1）
原作者代码	是：bingjunluo/Video-RSI
本地 adapter / 方法	`video-rsi`
本地复现代码	`src/auto_research/agent_research/latest_20260930.py`

视频 Agent 的执行 trace 只包含当前 harness 选择观察的证据，因此失败解释可能无法区分。Video-RSI 让模型回访原训练视频、主动收集额外观察，形成可检验诊断并改写 harness；候选只有在准确率提高且成本不恶化，或成本下降且准确率不恶化时才保留。

flowchart LR
  H[当前 harness] --> E[执行视频任务]
  E --> D[失败诊断]
  D --> I[主动回访视频]
  I --> R[提出 harness 修订]
  R --> V[准确率/视觉成本评估]
  V -->|Pareto 接纳| H

原论文 Figure 1：直接回答、固定视频 Agent 与递归 harness 改进的区别。图片来自原论文，版权归原作者所有。

本地接纳规则为 \(a'\ge a-\epsilon_a\) 且 \(c'\le c+\epsilon_c\)，并要求至少一项严格改善；这保留论文 accuracy/cost 双门槛，拒绝用单一加权分数掩盖明显退化。

论文报告在视频理解 benchmark 上同时提高准确率、减少处理帧数。本站只报告接纳逻辑三种子诊断 metrics/mechanism-seeds42-44.json，不声称完成端到端视频复现。

未把训练视频私有答案或 example-level score 暴露给候选 harness；当前不含真实视频解码、代码改写 sandbox 和跨代停止条件，因而暂不登记为 Evolve 可执行 operator。