ModularRSI：模組化與可遷移 Harness 自我改進框架
為何重要
針對 Agent 開發中自我最佳化難以通用化的痛點，ModularRSI 提供了從黑箱全體調整轉嚮明確零件最佳化的工程解決方案。透過將大型 Harness 系統拆解並使用基準不相交的證據歸納，該研究大幅提升了自我改進的可解釋性與商業落地潛力，未來參考此架構開發的 Agent 系統將更穩定、更易維護。
為瞭解決遞迴自我改進在長週期編碼與終端任務中通用性不足的挑戰，研究者提出 ModularRSI，透過基準不相交與模組化策略，提升 Harness 在各種情境下的自我修正能力。
- 該框架將 Harness 分解為五個功能模組（Agent Loop、Tool Use、Observation Management、Context Management、Task Completion Detection），各模組在獨立範圍內演化並最終整合。
- 為確保演化過程避開基準特定誤差，研究團隊自外部來源策劃並篩選了 2,000 個執行演化任務。
- 在 TB2.0 與 SWE-Bench Verified 基準測試中，演化後的 Harness 不僅在 unseen in-domain 與 cross-domain 任務上表現持續最佳化，亦具備跨 Foundation Models 的遷移能力。