arXiv研究：进化Harness优化LLM训练

发生了什么

据arXiv论文《Harness Evolution Hits a Ceiling: When Weight Training Should Begin》（2026-10-08发布），研究提出通过诊断失败类型来优化LLM权重训练。该研究让自进化Harness先增强系统，再结合基础与训练权重进行交叉测试。在DeepPlanning基准上，Qwen3.5-4B和9B的保留得分分别从0.16升至0.30、从0.32升至0.44；4B模型的保留交付率从55%提升至90%，内容失败留给权重处理。使用进化轨迹训练的LoRA适配器使4B模型保留得分翻倍，并将内容失败率从四分之一降至五分之一。该方法遵循“诊断后干预”规则，依据失败组成选择Harness或权重策略。