一句话看懂：alphaXiv 2026年10月12日收录的论文提出 HarnessTTT，让一个可训练“提案器”在测试时学习生成系统提示、工具与执行控制，冻结的小模型执行器据此搜索科研解，在多项发现任务上超过同类基线。
事件核心：发生了什么
根据论文摘要，HarnessTTT 是一个测试时学习框架：执行器保持冻结，只训练一个 harness 提案器。提案器生成可执行配置，包括系统提示、可复用技能、工具、中间件和执行控制；每套 harness 驱动一次有预算的发现搜索，搜索结果作为反馈更新提案器。方法上使用面向发现的策略梯度目标，结合差距归一化奖励、RLOO 优势估计和 max-sharpening，并先验证生成组件再执行。
在数学、系统、GPU kernel、启发式编程、航天动力学和生物学等 14 项发现任务中，论文报告：冻结 9B 执行器在全部 11 项基准任务上优于同样执行器的 OpenEvolve，例如圆填充任务从 1.17 提升到 2.64；相比发现微调的 Finch-9B 最高提升 92%；在 9 项任务上保持开放权重 10B 以下最佳结果；Erdős 最小重叠任务达到 0.380919，优于人类最佳参考 0.380927。提案器与执行器扩展到 27B 后，14 项任务中 11 项提升；将学到的 harness 迁移到 GPT-5.5 后，14 项任务中 9 项匹配或超过各主干系统的最强报告结果。以上均来自摘要，未说明是否已同行评审或产品化。
为什么重要
这项研究的重点是“搜索过程本身可以被学习”。过去提升 AI 科研能力，常见路径是换更强模型或增加采样预算；HarnessTTT 尝试用测试时反馈训练提案器，让同一冻结小模型更有效地使用工具和提示。若结果可复现，意味着模型能力的一部分可以外置为可训练、可迁移的 harness，而不是全部压进模型权重。对算力有限的团队，这可能提供一条比单纯放大模型更省资源的路线。
对用户/开发者/创作者的影响
开发者可关注 harness 作为“可执行配置”的形态：系统提示、工具、技能和执行控制被打包优化，未来可能类似自动化 prompt/agent 工作流调优。企业采购方需要区分论文结果与可用产品，目前公开信息显示这仍是研究框架，不是现成 API 或商业服务。对内容创作者和 AI 应用开发者而言，真正值得跟踪的是 harness 能否跨模型迁移：摘要称迁移到 GPT-5.5 后在 9/14 任务匹配或超过最强报告系统，如果能稳定复现，agent 工具链的复用价值会上升。
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
第一，看是否有独立复现或代码发布，特别是 9B/27B 结果和任务集评测条件。第二，看 harness 迁移到 GPT-5.5 的结论能否在闭源模型上稳定成立，以及是否受任务类型限制。第三，看这类测试时学习与 OpenEvolve、Finch 等系统后续迭代的对比，是否推动 agent 发现从模型竞赛转向工作流与执行控制竞赛。
来源：alphaXiv
