Cortex：用测量门控演化编程智能体harness

Samuele Giampieri等人发布论文，提出针对编程智能体 harness（项目文件、技能与规则）的测试式演化工具 Cortex：它把开发者会话中的修正保存为可重放任务，逐条写入技能或规则，仅当重复运行显示净收益且没有任务明显变差时才保留。作者同时公开了工具、实验环境和数据。 作者用 Claude Haiku 4.5 在一个专门构建的仓库上测试 Cortex，仓库包含模型容易违反的约定、一个无可学习内容的区域，并由脚本扮演开发者。论文称，在更强的 Claude Sonnet 5 下单次运行的 harness 增益甚微；在一个真实开源项目中，由于智能体很少被修正，Cortex 未发现可学习的内容。这些结论均由论文作者提出，尚属其自报结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。