HarnessMM：递归自改进提升harness token效率

2026年10月26日，arXiv Artificial Intelligence 刊出 Yuhua Jiang 等作者的论文，提出 HarnessMM（Harness Minus Minus）方法。据该报道，HarnessMM 通过受保护决策复用（guarded decision reuse）与递归自我改进（RSI），减少 agent harness 在工具反馈之后的重复推理调用，同时保持 actor 权重不变。报道将这一方法定位为提升 harness token 效率的途径，但未给出具体效率数值、适用场景或对比基线。目前事件仍处论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。