InsightXiv

该论文聚焦 self-improving agents 方向，但目前公开信息仅包含标题与少量关键词，缺少摘要、方法细节和实验结果，无法判断其技术路线、评测设置或量化结论，后续需补充完整论文内容才能提炼核心贡献与适用边界。值得关注的是，标题指向 self-improving agents 前沿方向，但完整内容尚未公开，适合持续追踪。

AI代理的能力常取决于其harness，但演化时定位分散的行为实现成为瓶颈。Harness Handbook通过静态分析与LLM辅助，自动合成行为中心手册，配合渐进披露工作流，让开发者从行为描述导航到源码，并自动重同步。在Codex和Terminus-2上，手册辅助规划胜率达更高水平（基线28.3%），规划器令牌消耗下降12.7%，跨模块和稀有路径修改收益最大。 首个将行为定位显式化为问题并给出系统解决方案的工作。 提出Harness Handbook，一种通过静态分析提取程序事实、LLM辅助行为组织合成的行为中心表示，将源码映射到执行阶段，形成三级文档树。提出BGPD工作流，从行为描述渐进导航至源码并验证。手册在代码变更后自动重同步。

长周期 LLM agent 常把历史轨迹当被动上下文，难以转化为稳定可复用的能力。本文提出 MSCE 框架，将经验组织为带证据的三级记忆，仅把增益为正且近期稳定的策略结晶为 skill。在 EvoAgentBench 上，MSCE 在 IR、Math、SE、KW 分别提升 4.61、4.00、15.39 和 5.17 个百分点，并展现跨域迁移与持续演化能力。

开源大模型若停滞在 1T 参数级别，与闭源系统的差距将持续拉大。Kimi K3 将预训练规模扩展至 2.8T 总参数与 104B 激活参数，结合 Kimi Delta Attention 等架构创新及多强度强化学习，支持百万 token 上下文。其整体扩展效率较 Kimi K2 提升约 2.5 倍，在长程编码、Agent 与推理等任务上达到开源前沿，模型权重已完全开放。 首个开源 3T 级 MoE 模型，系统公开了百万 token Agent RL 训练基础设施与 2.5× 扩展效率提升的完整技术细节。 Kimi K3 是 2.8T 总参数、104B 激活参数的原生多模态 MoE 模型，支持百万 token 上下文。架构上采用 Kimi Delta Attention（KDA）与 Gated MLA 3:1 交替的混合注意力处理长序列，Attention Residuals 实现跨层选择性信息流，Stable LatentMoE 在 896 个路由专家中每 token 激活 16 个，并引入 SiTU-GLU 激活函数和 Quantile Balancing 路由策略稳定训练。后训练阶段在通用、Agent 和编码领域进行多推理强度强化学习，通过多教师 on-policy 蒸馏整合为统一模型。基础设施包括 MoonEP 专家并行、KDA 上下文并行、可恢复微虚拟机沙盒等。

AGENTS.md、CLAUDE.md 已成为 Coding Agent 的常见配置，但它们是否真的提高代码正确率并不清楚。论文在 Claude Code 和 Codex、3 个真实 Python 仓库、17 项任务和 288 次有效运行上进行受控消融；通用上下文文件没有带来可测量的正确率提升，失败主要来自功能设计、模式选择和精确接线，而不是缺少仓库知识。不过，包含高价值运行约束的上下文可以减少无效测试和执行时间。由于样本量较小，这一结论不应外推为“上下文文件完全无用”。

当前构建 AI Agent 往往需要同时维护提示模板、工具模式、回调代码等多套抽象，开发流程分散且容易出错。NVIDIA 提出的 Object-Oriented Agents (NOOA) 通过原生 Python 类封装所有组件，力图用面向对象范式统一 Agent 开发。开发者仅需编写 Python 代码，无需在不同配置文件间切换。但截止目前，原文未给出具体实现细节与实验验证，框架的实际效果仍有待观察。 用原生的 Python 对象来定义 agent，可能大幅减少多组件分离带来的维护成本。 提出了 NVIDIA Object-Oriented Agents (NOOA)，一个采用原生 Python 面向对象范式的框架。该框架将 agent 的组件封装为类，开发者只须写 Python 代码即可完成 agent 的构建，无需在不同的配置文件之间切换。