Xudong Han(@Xudong07452910):同一个模型不改权重，只让 Harness 像物种一样竞争、遗传和重组，Agent 还能继续变强。 Salesforce 团队这篇 DarwinX，把 Harness 自进化做成了一场「进化搜索」。很多系统只保留一条修改路线，早期方向一旦走偏，后面很容易困在局部最优。 DarwinX 会同时保留多个 Harness 分支。每次修改后，既看它有没有解决新问题，也看它有没有破坏已经学会的能力。即使某个版本整体表现一般，只要它解决了独特问题，也会被保留下来，后面再和其他优秀分支组合。整个过程中模型参数完全冻结，真正进化的是 Prompt、Skill、Tool 和执行流程。结果也很明显：四类评测平均提升约 17 个点。Terminal-Bench 2.1 上，GPT-5.5 提升到 83.2%；WebArena-Infinity 从 43.5% 提升到 93.0%。这篇工作有意思的地方在于它把 Agent 自进化变成了「搜索更好的系统」。有些失败版本也值得留下，因为它们可能保留了一块以后还能重新组合的能力。 📎 arxiv:

2026.08.17 03:35

同一个模型不改权重，只让 Harness 像物种一样竞争、遗传和重组，Agent 还能继续变强。 Salesforce 团队这篇 DarwinX，把 Harness 自进化做成了一场「进化搜索」。很多系统只保留一条修改路线，早期方向一旦走偏，后面很容易困在局部最优。 DarwinX 会同时保留多个 Harness 分支。每次修改后，既看它有没有解决新问题，也看它有没有破坏已经学会的能力。即使某个版本整体表现一般，只要它解决了独特问题，也会被保留下来，后面再和其他优秀分支组合。整个过程中模型参数完全冻结，真正进化的是 Prompt、Skill、Tool 和执行流程。结果也很明显：四类评测平均提升约 17 个点。Terminal-Bench 2.1 上，GPT-5.5 提升到 83.2%；WebArena-Infinity 从 43.5% 提升到 93.0%。这篇工作有意思的地方在于它把 Agent 自进化变成了「搜索更好的系统」。有些失败版本也值得留下，因为它们可能保留了一块以后还能重新组合的能力。 📎 arxiv: