一句话看懂：arXiv 新论文指出，给智能体（Agent）更多进化任务反而可能拖低表现，原因是证据选择不当；作者提出 Successive Scale Racing（SSR）框架，在固定算力下筛选任务组合，使通过率随任务池扩大而提升。
事件核心：发生了什么
2026 年 10 月 22 日，arXiv cs.AI 发布论文 arXiv:2610.28815v1。论文研究“Agentic harness evolution”，即利用智能体执行任务的经验，持续优化其指令、工具和任务控制流。作者初步实验发现一个反直觉现象：任务池越大，现有方法的性能反而下降。他们将其归因于优化过程中的证据选择次优——不同经验组合会导致差异明显的进化结果。为此，论文提出 SSR 框架：每轮进化根据任务质量与覆盖度构建多样化的证据组合，并用较小算力对候选 harness 进行快速竞速筛选。
摘要给出的数据显示，在三个基准、六种配置下 SSR 均取得当前最优结果。任务池从 40 增至 200 时，SSR 的通过率从 64.3% 升至 68.3%，而基线方法全部下降；其竞速机制还能找到接近最优的候选，同时把验证执行次数减少 60%。目前公开信息仅来自论文摘要，全文实验细节与同行评审状态尚未核验。
为什么重要
当前 Agent 产品普遍依赖“多喂任务、多积累经验”来迭代提示词、工具调用与控制流。若任务规模扩大反而损害效果，就意味着算力投入与性能提升未必线性对应，数据筛选和验证效率会成为新的竞争点。SSR 的思路是把“证据选择”从被动积累变成主动搜索，并引入低成本的候选竞速，这为 Agent 训练与推理阶段的算力配置提供了新方向。对做大模型应用平台的团队来说，这类方法可能影响 harness 的迭代成本和评估流程设计。
对用户/开发者/创作者的影响
开发者层面，SSR 提示在扩展 Agent 任务集时，不能只追求数量，而要关注任务质量与覆盖度；验证环节也可能因竞速机制减少试跑次数，从而节省 API 调用与推理成本。对普通用户而言，短期内不会直接感知变化，但若该方法被平台采用，Agent 产品的稳定性与任务完成率有望受益。对创作者和企业采购方，更实际的启示是评估 Agent 供应商时，应关注其任务池管理与验证策略，而非只看宣称的任务规模。
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 SSR 是否会在开源 Agent 框架或商用平台中落地，形成可复用的 harness 优化组件；二是更多研究能否复现“任务池扩大导致性能下降”的现象，并给出不同模型、不同任务类型下的边界条件；三是验证执行减少 60% 是否以额外搜索开销为代价，论文全文的算力账单值得进一步核查。
来源：arXiv cs.AI
