Growing Harness：把重复控制逻辑从模型上下文挪进代码

arXiv 论文提出 Growing Harness，一种由失败反馈驱动的训练范式，从无策略脚手架出发自动学习 agent harness 本身。它通过函数级执行轨迹定位失败、联合修复一批失败，并用 success-first 留出集回滚损害原有能力的改动。在 BrowseComp-Plus 和 WebArena-Verified 上配合 4B 到 120B 三种模型，六组基准-模型配置中五组取得最高平均成功率。相比 Tool-Calling agent，LLM 调用减少 76.0-91.8%，推理成本降低 74.4-98.6%；4B 模型下 WebArena-Verified 成功率保持 44.7-45.3%，而 Tool-Calling 降至 6.7%。