清华与微软提出HarnessMM大幅降低Agent开销

2026年10月26日，清华大学与微软亚洲研究院在arXiv发表论文HarnessMM，提出在模型与工具的边界引入“守护式决策复用”，让agent harness复用已经确定的决策，并配合递归自我改进（RSI）。报道称，实验以DeepSeek为例，harness的token消耗从96K降至11.6K，降幅约88%，同时任务成功率反而提升。该工作目前以论文形式公开，报道未提及代码开源或产品化情况；事件仅见这一篇报道，暂无其他来源或后续进展。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。