arXiv新论文提出适配模型能力的Harness技能进化法

2026年10月10日，Zhihao Yang团队在arXiv发布论文《Evolving to Match Capabilities》，提出一种新的Harness自我进化方法。该方法核心在于引入meta-skill机制，引导Kimi-K3模型根据执行模型的能力动态适配任务技能，旨在解决技能与模型不匹配导致的性能下降问题。研究发现，在7个执行模型中共识别出103个任务技能对，其中同一技能可提升GPT-5.6-luna 31.1分，却降低Gemma-4-E4B 8.8分，凸显了适配的必要性。在引入meta-skill后，3个弱模型性能提升5.1至14.1分；进一步嵌入5轮循环后，所有7个执行模型最终得分均稳定提升2.0至5.1分，验证了该方法的普适性与稳定性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。