StarHarness：面向企业环境的分层搜索式Harness进化

我们提出StarHarness，一个在保持模型权重固定的同时进化环境特定智能体运行框架（harness）的框架。进化得到的harness可以包括提示与任务框架、工具接口、技能、由MCP支持的提供方、子智能体结构以及智能体循环配置。StarHarness按基线失败行为对任务分层来构建紧凑的进化池，将对提出者可见的搜索任务与对其隐藏的选择任务分开，并保留留出任务用于评估泛化。在ITBench SRE、EnterpriseOps-Gym ITSM与AutomationBench Finance上，harness进化在每个环境经过4-12个被接受的更改后，将全基准性能较默认harness提升20-35个百分点。这些增益在未参与进化的任务上保持，并在GPT与Qwen模型家族之间无需重新进化即可迁移。轨迹分析将改进与接口修复、环境约定以及能压缩搜索空间的操作知识联系起来，在若干设置中还带来更少的误报诊断与更短的轨迹。因此，StarHarness为减少工具丰富的企业任务中持续存在的模型-环境失配提供了一种实用方法。