[2026-09-22] Grow the Harness, Not the Context: From Strategy-Free Scaffolds to Reusable Specialist Agents
从空程序起步，把失败任务暴露出的重复处理步骤写进代码，供后续任务复用。用论文的 Repair 31 案例说明怎样找出错误、修改函数和验收，并核对成功率与成本的计算范围。
# Codex
[2026-09-08] Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails
先为弱模型调整提示、工具和运行时检查，再让它完整模仿强模型，成绩反而下降。本文沿着两条真实失败记录，解释为何改用学生自己的执行记录，只修错误发生的那一轮，并核对数据和实验限制。
[2026-08-18] LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents
LEGO-RL 保留 Claude Code 等编码助手原有的执行流程，记录模型实际生成的内容，再按隐藏测试结果训练模型。用真实进度条修复任务讲清生成记录、任务筛选、评分和训练更新，并区分验证集最高分与最后一次验证。
[2026-09-01] Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement
让现成编码助手反复规划、开发和独立测试同一个项目，保留代码与对应版本的验证记录。结合真实第 70 轮失败记录，核对方法、评分、成本，以及论文设计与公开实现的差别。
[2026-08-03] LongHorizon-Harness: Advancing Long-Horizon Agents for Real-World Tasks
拆解 LongHorizon-Harness 如何单独保存任务进度、每轮重新启动执行会话并独立核验结果；结合真实失败案例，说明评分、成本与实验限制。
