今天刷屏的多是模型和产品，但几篇 agent harness 相关的研究指向了另一条关键主线：当模型能力进入平台期，决定 agent 表现的往往是它外面那层「脚手架」——也就是 harness。新进展来自 Meta/Duke/UC 的分支搜索、Microsoft 的 ActiveSaddler，以及 GitHarness 的版本化执行。

三件事在同步推进

1. 分支搜索改进 harness 本身

Meta、Duke 和加州大学的一项合作提出了一种分支搜索方法，直接优化控制工具调用、检索和自我检查的 harness 结构。结果：在 Olympiad 数学任务上，准确率提升到 62%。这说明 harness 的搜索空间本身就值得被优化，而不只是换更大的模型。

2. ActiveSaddler：不只优化 harness，还优化训练场景

微软与合作者的 ActiveSaddler 不走寻常路：现有方法固定训练场景、只改 harness 更新方式；它反过来动态调整用于训练 harness 的场景分布。Pass@1 提升最高达 7.5 个百分点。这个思路的启发是：好的 harness 是被合适的训练数据喂出来的，而不是被更好的优化器单独调出来的。

3. GitHarness：像 git 一样管理需求与执行

GitHarness 把每个需求与对应的工作结果一起存成「提交」。当用户在任务中途改需求时，它会从仍然有效的最近版本分支出去，只重做变化的部分。在一个编码任务上，token 消耗下降了 73.6%。这对长任务、需求反复变更的真实工作流非常有用。

为什么值得关注

第一，harness 正在成为独立的创新层。 一年前大家还在比模型参数；现在，如何组织工具调用、如何管理状态、如何切分任务，正在产生和模型升级同等量级的收益。对应用开发者来说，这是好消息——不需要等下一个 GPT，就能通过 harness 优化拿到显著改进。

第二，这三项研究覆盖了 harness 优化的三个关键维度： 结构搜索（分支搜索）、数据分布（ActiveSaddler）、版本化执行（GitHarness）。它们分别对应「怎么搭」「怎么练」「怎么改」三个问题，合起来勾勒出一个更成熟的 agent 工程体系。

第三，token 成本下降 73.6% 不是小数。 在 agent 按调用计费的商业模型里，harness 效率直接决定毛利率。把 GitHarness 的「分支与复用」思想迁移到自己的 agent 系统里，可能是近期性价比最高的优化之一。

参考：AGI HUNT Daily 2026-10-05、相关论文预印本/博客。