论文阅读笔记

HarnessPAI：把 VLA/WAM 降为原语，用可执行代码 harness 做「一次执行、跨轮进化」

HarnessPAI: An Evolving Harness for Physical AI

HarnessPAI 不把 VLA/WAM 当成整个 agent，而把它降为「动作原语」；在单次 rollout 内运行一个固定的、带感知/几何推理/成功检查的可执行程序（open-loop），在多次 rollout 之间用执行反馈让 coding agent 修改程序、把失败蒸馏成按任务图节点索引的 repair skill（closed-loop）。

Self-Harness: Harnesses That Improve Themselves

Self-Harness 让同一个固定模型扮演 proposer，从 verifier 归因后的失败簇出发，对自己 harness 的声明式配置做少量有界编辑；每个候选在 held-in 与 held-out 上做回归门控，只有两侧都不降且至少一侧升高的编辑才被合并。

ScientistTwo：让多智能体自己走完「找局限 → 改方法 → 做消融 → 写论文 → 自审」闭环

ScientistTwo: Pioneering the Human Knowledge Frontier with Autonomous AI

ScientistTwo 把科研流程拆成 6 组 agent + 一条带 critic 关卡的闭环：给定一篇人类论文的问题与代码库，它自己找局限、生成并进化想法、先在子集上筛、再放大到全集、做消融归因、写稿，最后用模拟评审 + rebuttal + meta-review 反复改到“可接受”为止。

Agent 记忆的四个部件与「做梦」：Anthropic 的工程实践

The components of agent memory

Anthropic 把 agent 记忆拆成「可搜索的会话日志 → Claude 写的记忆笔记 → wiki 等结构化表示 → 每会话预加载的注入上下文」四层，并用一个离线计算过程（dreaming）在层与层之间搬运、纠错和整理；真正难的不是「记住更多」，而是判断什么值得记、以及如何让记下来的东西保持正确且足够小。

DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence

V4 不是「再堆一个更大的 MoE」，而是一次效率优先的重构——用 CSA（4:1 压缩 + top-k 稀疏）与 HCA（128:1 压缩 + 稠密注意力）交替替换 MLA，用 mHC 把残差映射约束到双随机矩阵流形上，用 Muon 替换大部分模块的 AdamW，把 1M 上下文的单 token FLOPs 压到 V3.2 的 27%、KV cache…

mHC: Manifold-Constrained Hyper-Connections

mHC 是 Hyper-Connections（HC）的约束版本：保留 HC「把残差流加宽到 n 倍、学习跨流混合」的拓扑收益，但把残差映射 H_res 投影到双随机矩阵（Birkhoff 多面体）上，使信号传播满足均值守恒与非扩张性，从而恢复深层训练的稳定性。配套的 kernel 融合、选择性重算与 DualPipe 重叠，把 n=4 时的额外训练时间压…

Kimi Linear: An Expressive, Efficient Attention Architecture

Kimi Linear 把 Gated DeltaNet 的标量遗忘门换成逐通道门（KDA），用受限 DPLR（把 a、b 都绑到 k 上）加 UT 变换把它做成可分块并行的核；再按 3:1 交错 KDA 与 NoPE 的 MLA，在同配方、同 1.4T token 的对照里多数基准超过全注意力基线（作者称「首次」），并把 1M 上下文相对 full-ML…

Kimi K2: Open Agentic Intelligence

K2 把「超稀疏 MoE + MLA + 64 个注意力头」推到 1.04T 总参数 / 32.6B 激活，用 MuonClip（Muon + 逐头 QK-Clip）在 15.5T token 上做到零 loss spike；再用「大规模合成工具调用轨迹 + 可验证奖励与自我批评 rubric 的 RL」把非思考模式下的 agentic 能力推到开源模型前…

Kimi K3: Open Frontier Intelligence

K3 把「开源模型的规模上限」从 1T 级推到 2.78T 总参数 / 104.2B 激活，并用三条不同方向的「信息流」改造（序列方向 KDA+MLA 混合注意力、深度方向 Attention Residuals、宽度方向 896 专家的 Stable LatentMoE），配合数据与训练配方换到约 2.5× 的 scaling 效率，再配上百万 toke…

DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models

V3.2 不是重新预训练一个模型，而是在 V3.1-Terminus 上通过继续预训练植入 DSA（稀疏注意力），再用超过预训练成本 10% 的后训练算力、约 8.5 万条 agent 任务做 RL，把开源模型在 reasoning 上推到 GPT-5 附近、在 agentic 任务上明显拉近，同时把 128K 上下文的服务成本压到 V3.1-Termin…

CoworkOS：把「同事型 Agent」做成一层长期运行的运行时

CoworkOS: Scaling Agent Coworkers for Real-world Automation

CoworkOS 不是一个模型，而是一层跑在模型和真实工作之间的 harness（运行时）。它的分工是：模型只负责决策（做什么、派给谁、接不接受结果），运行时负责保存状态、传递反馈、维持长周期执行。围绕这条分工，论文给出三块东西：

GLM-5：从 Vibe Coding 到 Agentic Engineering

GLM-5: from Vibe Coding to Agentic Engineering

GLM-5 是 GLM-4.5 的「成本压缩 + 长时程工程化」版本——用 MLA＋DeepSeek 稀疏注意力（DSA）把 744B（40B 激活）模型的长上下文训练／推理成本压下来，用全异步 RL 基础设施和环境规模化把 agent 训练推到长时程，再用跨阶段 on-policy 蒸馏把多段 RL 的能力回退补回来。

Evolving Agent Teams

这篇把"要优化的东西"从解本身扩展到"搜索解的组织"——在长时间 GPU kernel 优化里，单 agent 和固定多 agent 团队都会滑向"容易实现但架构上限低"的方向并卡在局部最优；作者让一个 supervisor agent 在每次平台期诊断"卡在哪"，然后重新设计下一支团队的组成、协作方式和知识管理，把经验写进跨团队持久的文件系统，从而在相同…

Super-agent 设计探索：迈向更自主的 Agent 系统

本文是一篇面向工程实践的架构思路探讨，并非对 DeepSeek Harness 现有产品功能的介绍。

Super-agent：把 Session 变成实现细节

Super-agent 设计探索：迈向更自主的 Agent 系统

限制 Agent 继续扩张的瓶颈，已经从模型能力转移到人的注意力——一个人只能同时跟进 3 到 5 个活跃 Session，而主流 Agent 把「一个 Session」当成了工作单位。 解法是把 Session 降级为系统实现细节，在上面加一层常驻的 Router 和一个上下文隔离的 Worker 池。

Harness²：把「改 harness」这件事本身也变成可递归改进的对象

Harness^2: Recursive Agent Harnessing for an Open World

这篇把 RSI 的对象从「当前这个任务的 harness」扩成「改进 harness 的机制」——任务内用「提议–试探–合成」（Propose–Probe–Compose）在没有标准答案的条件下改执行 harness，任务后用这次改动的过程记录去更新一个「改进 harness」（实际上是一个装满了可用 harness 与经验的库），让下一次改进更有的放矢。

把 subagent 折回主循环：什么时候该用子代理，什么时候该用 skills + tools

Building agents: When to fold subagents into your main agent loop

作者主张把"路由器 + 领域 subagent"的设计折叠成一个模型、一个上下文窗口、一个开放式工具循环，用"渐进披露的 skills 和 tools"替代"多开上下文窗口"，理由是当代模型已经能在一个循环里承担原先需要拆出去的工作，而每一次跨 agent 交接都在丢信息、加延迟。

HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs

HarnessPro 把 harness 的递归自改进从「只追 pass rate」改成「pass rate + 每任务执行成本」的双目标搜索——它用固定的 LLM 生成测试替代 LLM 直接打分（label-free），让同一 planner 按省成本 / 平衡 / 保性能三种偏好各出一份计划，再由 harness editor 实现成候选，用 Pare…

HarnessX：可组合、可适应、可演化的 Agent Harness Foundry

HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry

HarnessX 把 harness 本身做成一等公民：用类型化 processor 挂在 8 个生命周期 hook 上做组合，用「RL 镜像」把 harness 演化当符号空间的 MDP 来防守三类 RL 病理，再用一个共享 replay buffer 让 harness 演化与模型 GRPO 训练共演化——五基准 15 格平均 +14.5%（峰值口径）…

Prime Agent: A Self-Improving RLM Harness

这篇论文不提出新模型或新训练方法，它交付的是一个 harness——以及一套把「harness 能力」当作可测量对象的方法。 它的核心主张是：长时程任务的评测里，harness 是模型观察和作用于世界的「膜」（membrane），模型应当因任务超出能力而失败，而不是因为 harness 丢状态、限制动作、算错资源或提前终止（§1 原话）；因此好 harne…

HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness?

这篇把评测对象从「模型在给定 harness 里答题的成绩」换成「模型能否从零造出并且持续改进 harness 这个可运行系统本身」——结论是：2026-09 的前沿模型能从弱种子造出跑得起来的 harness，但在 code 与 search 上仍大幅落后人类工程版；演化（Evolution）阶段能在可见反馈集上涨分，涨分却不稳定，且向留出任务、向「换一…

Dream-RSI: Recursive Self-Improvement through Evolving Worlds

这篇论文把"自我改进"从"改模型/改候选"挪到了"改怎么搜"这一层——并且发现，只要把一次真实的、代价高昂的发现过程完整记录下来（决策树 + 每个节点的执行结果），这棵历史树本身就是一个零成本的世界模型（replay simulator），可以让大量候选探索策略在"做梦"中先比一遍，再把赢家部署回线上。

RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

这篇论文把"用 agent 自己跑出来的反馈反复改 harness"这套 RSI 循环的失败模式诊断清楚了——不是搜得不够，而是搜的东西（有限 evolve set 被反复自适应复用）会过拟合——然后用四项来自经典正则化的约束去限制搜索轨迹（而非限制编辑空间），在 8 个 benchmark / 3 个领域上换来"evolve 集涨得最少、但留出集涨得最多…

万字长文带你读懂 RSI（自进化，Self-Evolving）

这不是一篇提出新方法的工作，而是一篇给"RSI / 自进化"建立坐标系的导读——它先把 RSI 收成一个闭环（下一轮 Agent A{t+1} 由本轮 Agent A_t、轨迹 τ_t、反馈 f_t 经更新算子 U 得到），再用四组主维度（进化什么 / 新版本如何产生 / 谁来更新 / 何时更新）加五组次级维度（验收标准 / 反馈来源 / 反馈类型 / 更…

DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression

这篇报告的主题不是「模型更强」，而是把长上下文推理的成本从「算」转移到「省」——用 CED 砍掉近一半 prefill 计算，用 CSA2 的跨层 KV/索引复用把 decoder 的 KV 生产层压到 1 层，再用 FP4 主 KV 缓存把每个字节再砍一半；部署侧用近似的 SWA Bounded Replay 换掉 SSD 上的 SWA 持久缓存。代价是…

Kimi K2.5: Visual Agentic Intelligence

K2.5 = Kimi K2（1T MoE 语言底座）+ 原生多模态（MoonViT-3D 视觉编码器，约 15T 图文混合 token 联合预训练）+ Agent Swarm（用 PARL 训练并行多智能体编排）。论文的两个主张是「文本与视觉联合优化让两个模态互相增强」和「并行 agent 编排把任务复杂度从线性串行变为并行处理」。

ZeRO: Memory Optimizations Toward Training Trillion Parameter Models

ZeRO 在数据并行（DP）框架内把「模型状态」从每卡复制一份改为按 DP 度数切分、用时再通信聚合，从而在不牺牲计算/通信效率的前提下拿到接近模型并行（MP）的内存效率。