Интересная работа про оптимизацию обвязки ИИ-агентов на основе их собственных прошлых запусков.

MemoHarness оптимизирует не только промпт, а всю обвязку агента — от контекста и инструментов до памяти и оркестрации.

После запусков система запоминает, какие решения сработали, а при новой задаче находит похожие случаи и подстраивает обвязку под них.

При этом не нужны дополнительные метки, обучение через градиенты или дорогостоящий поиск вариантов.

На бенчмарке для shell-агентов MemoHarness получил 0,806 против 0,722 у лучшей системы с фиксированной обвязкой. При этом стоимость выполнения одной задачи оказалась ниже, чем у сильнейших коммерческих решений.

Статья: https://arxiv.org/abs/2607.14159