最近 Harness 自进化方向的研究越来越多了，但有个问题：Agent 怎么知道什么时候该修改、应该改哪里，以及哪些修改反而有害？
马里兰大学、华盛顿大学、UIUC、Scale 的新论文 Meta²，尝试让Agent学会如何进化自己的 Harness。

几个有意思的点:
1、从优化Harness，到优化Evolver
过去主要有两种方式：Offline Evolution：从历史任务中优化 Harness，但难以适应新任务；Online Evolution：执行过程中动态修改 Harness，但容易盲目干预。
Meta² 结合两者优势：离线学习进化经验，在线按需调整 Harness。

2、Meta-Skill：教Agent如何进化
普通 Skill 教 Agent 完成任务，Meta-Skill 则指导 Evolver 如何修改 Harness。

论文将进化策略分成三类：
ACT：应该干预，例如发现 Agent 遗漏了必要验证。
HOLD：保持现状，让 Agent 自主解决问题。
AVOID：避免可能产生负面效果的修改。
HOLD 和 AVOID 很有意思，Agent 不仅需要学会自我改进，还需要知道什么时候不该干预。

3、进化经验从哪里来？
研究者对比三组执行轨迹：原始 Agent、当前 Evolver，以及训练时获得额外验证信息的 Evolver。
通过比较成功与失败的案例，提炼可复用的 Meta-Skill。
整个过程不需要更新基础模型权重。

4、实验效果怎么样？
Terminal-Bench：66.33% -> 81.00%，DeepSWE：34.67% -> 44.44%。
进化经验可以跨任务复用，但具体的 Harness 修改最好只在当前任务生效。 直接继承上个任务的修改，反而可能降低性能。

未来 Agent 可能需要两类 Skill，一类教它如何完成任务，另一类教它如何进化自己。

如果未来能将任务反馈、经验提炼、评测和 Meta-Skill 更新连接起来，Agent 就有机会真正实现持续自进化。

#Meta2 #RecursiveSelfImprovement #AIAgent #Harness #MetaSkill #Agent自进化 #RSI #AI学术