Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI¶

复现级别：L1 核心机制诊断。 执行开发反馈 refine 与冻结后检索；fixture reward 不是 AI4AI benchmark。

论文信息¶

字段	内容
论文链接	arXiv 2609.38143
公司/机构	Apodex / University of Illinois Urbana-Champaign（按第一作者署名单位）
首次公开日期	2026-09-29（arXiv v1）
原文开源代码	是：https://github.com/qiancheng-apodex/MetaSkill-AI4AI
Adapter	`meta-skills`
本地复现代码	`src/auto_research/agent_research/latest_20261001.py`

从开发任务的 harness 执行反馈中提炼包含 when、provide、use 的 meta-skill，再冻结技能库；测试任务只检索相关 meta-skill 来构建新 harness，不用测试结果反向修改技能库。

flowchart LR
  I[公开输入/当前状态] --> M[meta-skills 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

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。

\(s=(when,provide,use)\)，开发期循环为 \(S_{j+1}=Revise(S_j,\{(H_x^j,F(e_x^j))\})\)。本地技能库只接受开发反馈，测试选择不写回。

相对 no-skill 基线提高 8.95 个百分点，相对直接复用固定 skill bank 提高 12.02 个百分点；详情页不把该结果外推到本地 fixture。

本地对照口径：基线为论文机制关闭或默认状态，实验组为开启对应核心算子；本批只验证不变量和状态转换，跨模型相对变化不适用。

三种子诊断见 metrics/mechanism-seeds42-44.json。diagnostic_only=true，只证明核心状态转换、梯度或调度不变量可执行，不能进入正式能力排名。

执行开发反馈 refine 与冻结后检索；fixture reward 不是 AI4AI benchmark。