分层自我改进：可演化任务专属 Agent Harness

Tailin Zhou 于 2026 年 8 月提交的论文提出 Hierarchical Self-Improvement（HSI），让每类任务维护可热替换的专属 Harness。单个冻结模型分别承担任务执行、Harness 改写和进化策略改写三个层级，并用 thinking on/off 设计隔离执行推理与自我修改的贡献。以 DeepSeek-V4-Flash-Preview 为冻结骨干，在 BALROG 的 BabyAI、Crafter、TextWorld 和 MiniHack 中取得显著进步，在 BabaIsAI 留出子集上也表现出较强泛化。论文同时给出两条清晰边界：反馈信号必须足够可靠，Harness 进化也无法突破骨干模型自身能力上限；NLE 实验没有改善。