EvoX 论文提出把 Agent Harness 视作运行时策略

arXiv 论文 2611.15006 提出 EvoX，一个基于 Rust 的多模型 Agent 运行时，核心思想是把 harness 看作补充模型语义策略的运行时操作策略（The Second Policy）。在 5 个基准、6 个基础模型、6 个 agent harness 共 691 个任务-模型对的评测中，EvoX 取得 56.2% 的最高成功率，比其余 5 个 harness 的平均成绩高约 3.0 个百分点。其机制由三部分组成：Action Realization（解决工具调用不匹配）、Execution Continuity（维持被中断的工作流）、Outcome Grounding（防止无依据的完成声明），全程不依赖记忆、进化或扩展插件。论文同时发布 Contrast 评测框架，通过显式公平约束、请求来源验证和基于证据的裁定来避免压制各 harness 的原生行为。在 GLM-5.3 上 EvoX 高出 10.7 个百分点、Kimi K3 上高出 7.9 个百分点，说明 harness 层面的执行控制对不同模型的效果差异显著。