Harness-Zero：透過 Agent-as-Harness 實現 Harness Distillation
為何重要
這項研究解決了將複雜外部互動能力搬移至模型核心的技術難題，對於開發者在建置 Agent 時極大的降低了對第三方 Harness 工具的長期依賴。 雖然實務上即時 harness 仍是針對領域解題的最快路徑，但 Harness-Zero 開啟了將特定領域的推理與執行策略標準化為模型能力的新方向。對產業而言，這代表未來 agent 產品能否脫穎而出，端賴模型是否能將「環境修正」與「工具運用」內建為權重特性。
Agent 運作常需依賴外部 harness 系統才能發揮顯著效能，但最佳 harness 需依情境變動調整。新研究 Harness-Zero 提出 Harness Distillation 方法，利用「agent-as-harness」將外部聚焦領域的最佳化策略轉化為訓練訊號，內化至模型權重中。
- 該技術透過「agent-as-harness」在目標 harness 的行動空間中修正 Student Response，將來自最佳化 harness 的指導轉化為師徒式教學範例。
- 在移除專用 harness 進行部署的情況下，基礎模型的 macro-average task success 從 23.3% 大幅提升至 44.3%，且超越了保留 harness 時的 41.7%。
- 研究跨知識工作、工具使用及科學領域驗證，平均恢復了 82.3% 的 harness-induced behavior（共 28 種模式）。