Meta-Harness: End-to-End Optimization of Model Harnesses
让 Claude Code 读取全部候选代码、分数与原始执行轨迹，再由独立外层程序验证和评测新 harness：本文拆解 Meta-Harness 的搜索闭环、三组实验、TerminalBench 真实迭代与证据边…
淡水鱼的蔚蓝之海
课程笔记、踩坑记录，还有一些摸鱼和日常。
复仇者不折镆干。虽有忮心，不怨飘瓦。
What Does Multi-Harness RL Learn? Credit Assignment and Portability in Coding Agents
固定模型、轨迹、reward 与更新次数，只改变 GRPO 的分组边界：这篇工作用四种 coding harness 和一个 held-out weak-ReAct，区分 source-configuration…
ClawGym II: Exploring Black-Box RL on Agent Harness
从一条真实 ClawGym-Bench 任务入手，拆解 ClawGym II 如何在不改写 OpenClaw 与 Claude Code 内部逻辑的前提下恢复 prefix tree、计算 PPO/GRPO rew…
Grow the Harness, Not the Context: From Strategy-Free Scaffolds to Reusable Specialist Agents
从空白 scaffold 出发，如何让失败轨迹长成可复用的 agent harness：逐步拆解 function-level trace、failure window、held-out gate、真实 Repai…
Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails
Harness 为弱模型量身演化后，直接模仿强模型的完整轨迹会破坏二者的配合。本文沿着两条真实失败轨迹，拆解 on-policy correction 为什么只改学生自己的第一个错误 turn。
Learning Generalizable Behaviors for Terminal Agents
RIVER 先审计 instruction、Docker 与 verifier，从原有训练集留下约 3.5K 个可信环境，再用 repetition penalty 修正 turn-level advantage…
LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents
从真实 sepal_ui-814 case 出发，拆解 LEGO-RL 如何让 Claude Code、OpenHands 与 OpenCode 保留原生 control flow，同时把 token 对齐、MoE…
Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement
拆解 Harness-of-Harness 如何用固定的 Planner、Developer、QA Tester 和跨轮 evidence state，让 Codex 等现成 coding harness 连续开发…
LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks
拆解 Manage-Execute-Audit 如何用外置 task state、fresh-context executor 和只读 auditor 提升 Claude Code/Codex 的长任务可靠性，并追…
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
从三层 observability、change manifest 和真实失败轨迹出发，拆解 AHE 如何自动修改 prompt、tool、middleware 与 memory，以及它在 Terminal-Ben…
