CMU Looni Lab 发布 Harness 工程博客

2026 年 10 月 3 日，AGI Hunt 报道了 CMU Looni Lab 发布的 Harness 工程博客。首篇报道称，Harness 工程无需重训模型即可显著提升科学 agent 表现，且部分设计流程正被自动化；在 SMDD-Bench 药物设计任务（先导优化、骨架跳跃、作用点识别）上，自动搜索能精炼工作流并发现科学启发式，最强的人工改进来自改变模型可观察的证据与环境保存的状态，博客附有 Prime Environment 与 Harbor 数据集链接。随后一篇报道进一步说明，该博客比较了由 Claude 参与的自动 harness 搜索与人工调优在药物设计任务上的表现，发现两种方法各有优劣、没有万能赢家；Harness 被描述为决定工具调用、可见证据与跨步记忆的模型外围系统。目前该事件仍限于这两篇博客报道，尚无更多后续进展。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。