MoMHa：联合优化支撑框架的准确率、安全与 token

大语言模型改进工作大多把准确率作为唯一目标。本文认为，围绕模型构建提示、路由调用和解析输出的Python支撑代码（harness）本身也是重要设计对象，其质量有多个目标：准确但从不拒绝不安全请求，或多消耗一个数量级token的支撑框架，都不能算好。Meta-Harness将设计转为对各领域准确率、行为安全和token成本三个目标的搜索，由 Agentic 方案生成器 Claude Code 读取历史代码、执行轨迹和评分文件后提出改进。核心发现是单阶段联合奖励方案MoMHa优于包括先准确率后token的两阶段消融、仅标量反馈和仅准确率基线在内的所有比较方案。评估涵盖17个领域：7组合成能力任务、7个真实公共基准（HumanEval、MBPP、Spider、FEVER、MMLU-Pro、LawBench、NuminaMath），以及3个源于U-SafeBench的用户特定安全领域，使用跨4个家族的12个模型。合成任务中MoMHa联合均值为0.482，10个基线为0.198—0.422，在10个逐领域列中赢得7个；真实任务得分0.461，最强基线DSPy为0.377，赢得7列中的5列。在12个目标模型中的8个上，无须重新训练即可把支撑策略迁移到未见基准。MoMHa获得最高的实测行为安全综合分（U-SafeBench为0.781），每个样例比两阶段方案少用95个token。作者计划发布全部支撑代码、评估设施和跨模型日志。