SelfSearch 让编码智能体自改 harness，以 $4.03 成本在 Terminal-Bench 2.1 追平 Codex

各位，学会优化你自己的 harness 吧。

你可以从一个 harness 中榨取出更多的性能和价值。

这项工作声称，一个自我修改的 harness 以 4.03 美元的成本达到了 Codex 的水平。

具体来说，一个编码智能体不断重写自己的 harness，最终使用 DeepSeek V4 Flash 解决了 Terminal-Bench 2.1 中 82.0% 的任务，且在整个搜索过程中没有使用任何任务奖励。

搜索成本为 4.03 美元。

这与 Codex 持平，后者是在相同设置下进行的公开九个 harness 对比中的最佳 harness。

SelfSearch 让智能体利用早期自我修改尝试的记录来修改自身的指令、工具和流程。每条记录都包含推理过程、工具操作和结果。修改后的智能体随后成为下一个改进者。

在全部六种模型-基准设置中，总体平均成功率均有提升，单个智能体最高提升 11.2 个百分点。在 SWE-bench Multilingual 上，一个进化后的智能体提升了 5.0 个百分点，并且在两个版本都能解决的任务上节省了 38.5% 的成本。

论文：arxiv.org/abs/2609.37968

论文讨论：academy.dair.ai/papers/selfs…