DeepSeek Harness与Super-agent架构研究 · 话题榜 · TwKit

@NFT_Chen

🫨简直无敌！DeepSeek Harness被清华微软团队直接“瘦身”：Token消耗砍掉87.93%，成功率反而暴涨14%！ Agent每次工具反馈后都要重新问一遍LLM，哪怕下一步早定死了（写完代码→编译，编译成功→测试）。清华+微软团队用HarnessMM直接把这些“已决定”的步骤缓存下来，跳过重复推理。 核心成果（98个HumanEval任务）： 🔹DeepSeek Harness：Token从96.28k降到11.62k，砍掉87.93%！成功率从71.43%直接飙到85.71% 🔹Codex：成功率稳在90.82%，Token再降29.54%（66.72k→47.02k） 🔹原理：模型一次规划未来命令+精确参数+守卫条件（如“编译成功”），匹配就直接执行，跳过LLM回调。模型权重完全不动 🔹额外：MBPP上也大幅降本，递归自我改进（RSI）让Harness配置持续变强 Agent循环里大量Token浪费在“重新决定已经决定的事”上。这波直接把成本打下来，性能还往上走。 论文：https://arxiv.org/abs/2610.32813
 #DeepSeek #AIAgent #Token效率 #清华 #微软 #HarnessMM #大模型降本 #Agent优化 #梁文峰 #梁圣

@xiangxiang103

清华 × 微软亚研这篇新论文，我读完最大的感受是：DSH 被严重低估了！ 论文本来是讲 HarnessMM，一个让 agent 别再"做完一步就从头想一遍"的方法。它拿 Codex 和 DeepSeek Harness两个工业级外壳当实验对象。结果 Codex 只是配角，DSH 成了整篇论文的主角。 先看 DSH 自己的底子。底座模型都换成 MiMo-v2.6-pro，什么都不加： 🔹 HumanEval：DSH 96.94%，每题 1.16 万 token；Codex 93.88%，每题 6.26 万 token 🔹 MBPP：DSH 97.67%，每题 6200 token；Codex 96.50%，每题 4.76 万 token 分数更高，token 只用了 Codex 的 1/5 到 1/8。 这还是原厂出货的 DSH。 再看装上 HarnessMM 之后： 🚀 HumanEval（DeepSeek-flash 底座）：成功率 71.43% → 85.71%，每题 token 从 9.63 万降到 1.16 万，省了 87.93% 🚀 同样的改法装进 Codex，成功率持平，只省了 29.54% 🚀 MiMo 底座下，DSH 每题 4400 token 做到 97.96%，整篇论文最强的一组数 为什么 DSH 吃到的红利这么大？看"跳过推理"的次数：DSH 在 98 道题里跳过了 147 次多余的推理调用，Codex 只有 18 次。付费模型调用从 954 次砍到 415 次，一半多直接没了。这个架构干净、好接入，别人的优化放进来能全额兑现。 MBPP 上 DSH 也一样稳：成功率从 90.27% 升到 91.83%，token 从 5.4 万降到 1.06 万，省 80%。 一句话：同一个优化，到 Codex 手里是锦上添花，到 DSH 手里是一步登天。 做 agent 的朋友，下一个外壳可以认真看看 DSH 论文链接： http://arxiv.org/abs/2610.32813

@RonVonng

Deepseek Harness 团队发了一篇《探索 Super-agent 设计》，崔老板找我点评一下，于是写了一篇，聊聊《为什么小秘书遇上大工程就拉胯》。https://mp.weixin.qq.com/s/Jfsnkl-uEcX08bkTEXjJRA