Looped Flows：循环模型推理新训练法

DAIR.AI 的 Elvis Saravia 发布了一份 harness 工程论文合集，供开发者交给自己的智能体学习。他认为，深耕某一领域后会发现构建领域专属 harness 的机会，而 harness 对在智能体时代保持竞争力至关重要。从产品角度看，harness 能开辟新的交互界面与体验；从技术角度看，它是建立用户与产品交互框架及最佳实践的方式。

一项研究将 100 个带记忆的 LLM agent 置于真实 Pokhara Lakeside 地理的小镇经济中，运行最长 26 个模拟周、91 次有效运行共 2.44M 次决策，发现货币停止流动：12 倍游客冲击使商业收入升至 4.62 倍，但工资仅 1.03 倍，3，981 个菜单项中只有 0.3% 曾重新定价；随机现金转移 311 步后 96.7% 仍未花出。

Meta 发布 Auto-RecSys 论文，让自主研究智能体在训练一次需数天的工业级推荐模型上做实验。系统跨服务器并行实验，用跨服务器共享记忆保证失败和换会话后可恢复，把自然语言技能文件用于推理、确定性脚本用于操作；双循环自我演化中，模型专属 playbook 记录失败尝试并沉淀可用流水线，实验结果反哺下一轮想法。

AWS 论文提出 UnitBoost，用任务给定的 unit map 将 worker 输出转为槽值提案，以受限 argmax 组装结果，未填充或不支持的槽位形成显式残差指导下一轮，从而无需生成式 meta-agent 来管理复合 LLM 系统。

Salesforce AI 发布论文《Co-Evolving Harnesses and Models： On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails》。

AutoResearchExam 基准发布，覆盖模型训练、数据整理、AI 安全等七大研究领域，给智能体 24 小时 CPU/GPU 环境并综合评分。Astra 领先 19 小时后被 Fable 5.1 反超；Qwen3.8 Max、Gemini 3.8 Flash、Grok 4.6 位于性价比帕累托前沿。研究智能体常因低质量探索停滞，且易在改进中过拟合。

Elvis Saravia 强调模型-框架协同优化（model-harness co-optimization）是设计框架后在其中调优模型，并称框架工程（harness engineering）是解锁潜力的关键。他追踪多篇论文证明其有效性，并提及 Harvey 探索的 RLMs 提供了有趣的扩展方式。相关论文合集已发布在 DAIR.AI Academy。

谷歌新论文提出过程图（Procedural Graph）框架，将程序性知识显式存储为"过程-关系-过程"三元组，供长程智能体查询下一步动作及条件。该框架通过LLM精炼器对比失败与成功轨迹，自动编辑图结构并仅保留通过验证的修改，使智能体从最小骨架构建出匹敌甚至超越人工设计的图，并修复有缺陷的专家先验。

Harness 工程是目前最热门的技能之一。 我在最近一次 YC Paper Club 的分享中看到了一个关于 harness 工程的精彩概述。 那是一份非常优秀的顶级论文清单。 所以我决定把它整理成一个合集。请享用！

OpenAI 宣布给出 Navier-Stokes 千禧年大奖难题的一个解法，证明由一组智能体使用一个 OpenAI 下一代模型完成，官方称该模型能力显著强于 GPT-6 Astra。该问题关注 Navier-Stokes 方程描述的三维光滑流体运动是否会失解，约 90 年未决。Elvis Saravia 转发并评论称，若 GPT-6 Astra 已有此水平，下一代模型值得期待。