一句话看懂：2026年10月21日发布的论文Meta²提出一种新方法：离线学习一份可复用的文本“元技能”，在线只对该次任务修改智能体的harness（提示词、工具、记忆与钩子），而不共享进化后的harness。在Terminal-Bench 2.1和DeepSWE 1.1上，其报告成绩领先所评估方法。
事件核心：发生了什么
论文Meta²关注的不是训练基础模型，而是围绕冻结模型优化harness。过去两条路线各有短板：离线方法会部署一个共享harness，容易过拟合训练任务，也难以回应单次运行中暴露的新线索；在线进化能在运行中调整，但每次干预都要从零推理，且测试时通常没有验证器反馈。Meta²把优化对象上移一层：离线通过对比三种配置——无进化器、由当前元技能引导的进化器、以及在训练阶段可获验证器特权信息的进化器——提炼出一份冻结的文本元技能M，给出“何时该改、何时不动、哪些干预要避免”的复用性指导。在线时，进化器结合M和运行轨迹证据，选择KEEP或EVOLVE，每次修改仅作用于同一次运行，不重置环境与进度。摘要显示，在GPT-5.6-Terra下，Terminal-Bench 2.1达到81.00%，DeepSWE 1.1达到44.44%，对比Meta-Harness分别为73.33%和37.33%。以上为论文摘要信息，不代表已上线产品或同行评审结论。
为什么重要
长程智能体的能力瓶颈之一，不在单步推理，而在“跑偏后能否发现并纠正”。Meta²把可迁移的部分与不可迁移的部分拆开：元技能跨任务复用，harness修改留在任务内部。这为智能体持续运行提供了一种更可控的工程范式，也降低了测试时依赖验证器反馈的假设。对行业而言，它把竞争焦点从“换更大模型”部分转向“如何组织提示词、工具与检查”的harness层，这对闭源API调用者和自建智能体框架的团队都有参考价值。
对用户/开发者/创作者的影响
目前公开信息显示，这仍是研究阶段的方法。开发者可关注其思路：把“什么时候干预”做成可复用的策略知识，而不是为每个任务写死一套工具配置；在构建编程、终端操作等长任务智能体时，保留任务内局部修改能力，同时避免一次修复污染其他任务。对普通用户和创作者，短期影响有限，但它提示未来的AI应用可能在运行中自我检查与纠偏，而非只靠一次输入决定结果。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是看后续是否公开代码或可复现实验细节，尤其是元技能的计算成本与稳定性；二是看这类方法在更多基准和模型上是否保持优势，而非仅在摘要给出的两组评测中领先；三是看其“训练时使用验证器、测试时不可见”的设定能否推广到真实产品环境。
来源：alphaXiv
