# HarnessDev 基准研究 LLM 能否自建并迭代进化 Agent harness

- 来源：AK (@_akhaliq)
- 发布时间：2026-09-04 08:19
- AIHOT 分数：24
- AIHOT 链接：https://aihot.virxact.com/items/cmtm822f001j9robncjw3g36c
- 原文链接：https://x.com/_akhaliq/status/2095668039404728351

## AI 摘要

HarnessDev 是一个将评测单位从任务输出转为可执行基础设施的基准，分 Creation 和 Evolution 两阶段，覆盖六个创建 LLM、四个领域和五个下游基准共 2,207 个实例。结果显示自建 harness 在代码及搜索研究任务上仍落后成熟人工方案，进化带来的提升不稳定且跨模型迁移有限，论文见 https://huggingface.co/papers/2609.01437。

## 正文

HarnessDev

Can LLMs Create and Evolve Their Own Agent Harness?

paper: https://huggingface.co/papers/2609.01437