AI进化太快了！MIT和斯坦福已经让它自己设计Harness

文章摘要

【关 键 词】 大模型、智能体、自动优化、代码演化、架构搜索

在三大核心测试领域，Meta-Harness均取得显著领先。 在在线文本分类任务中，其自动发现的架构以48.6%的平均准确率大幅超越ACE和MCE等人工方案，并将上下文消耗降低至后者的五分之一以下；在分布外（OOD）数据集上，仍以73.1%的平均准确率稳居第一。数学推理方面，系统在无任何人工干预下重构BM25检索栈，于IMO级别难题上平均提升4.7分，且在五个不同基础模型上均稳定优于手工调校的基准。长周期编程测试中，基于Opus 4.6的Meta-Harness架构通过率达76.4%，超越顶级人类团队开发的Terminus-KIRA；在轻量级Haiku 4.5模型上优势更为明显，通过率高出第二名2.1个百分点。

系统展现出强大的自主纠错与策略演化能力。 智能体在早期迭代中尝试混合修改方式导致性能下滑后，能迅速通过日志分析定位干扰源，剔除无效变更并转向增量式安全修改。整个优化过程未预设硬编码规则，仅依赖基础领域引导，却能在数小时内生成高可读性、跨平台兼容的高质量代码。这预示未来AI系统开发可能演变为一种“元编程”范式：开发者只需设定边界与工具接口，其余交由AI在试错中自主编译与演化。

原文和模型

【原文链接】 阅读原文 [ 3344字 | 14分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 qwen3-max-2026-01-23
【摘要评分】 ★☆☆☆☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。