Meta MRS Research 与 MIT 等作者在 arXiv:2610.12668 提出 ReHarness（Recurrent Harness）：面向智能体持续学习的循环 Harness 框架。论文作者包括 Yuxin Xiao（MIT，实习于 Meta）、Zhiyun Lu、Jianyu Wang、Yangtian Zhang、Yang Song、Qifan Wang、Bailin Wang。目标是：在严格在线流式设定下，不更新底层大模型参数，也能让运行时脚手架随分布漂移及时纠偏。
既有智能体 Harness 多半只做前向信息流：每轮实例后写入记忆或反思，再在后续轮次检索。论文指出，一旦写出的反思在后续任务上失效，系统很少依据下游反馈去回改旧条目；过时或过度概括的经验可能反复误导决策。另一些方法依赖额外验证集或轨迹回放来优化 Harness，而这在严格在线流式协议下通常不可用。
ReHarness 的核心是把前向读、写与反向修订合在一起。每处理完当前实例轨迹后，修订智能体用该轨迹作反馈，回看本轮检索到的反思，并要求新增内容仍锚定在原反思的源轨迹上，避免把当前实例信息偷偷“渗入”过去经验。修订后的状态再进入下一轮，从而形成循环更新。
框架分三步。前向读：按查询检索 Harness 状态中的 top-k 反思，交给决策智能体作答并拿环境奖励。反向修订：修订智能体对每条检索到的反思，结合其源轨迹与当前实例效果做改写。前向写：记忆智能体再根据当前轨迹写出新反思，并可用修订后的条目作示范，写入下一状态。
评测覆盖 CL-Bench、MemoryBench、MemoryArena 三类持续学习基准，并在 Claude Opus 4.8、GPT-5.5、Gemini 3.7 Flash 三套骨干上对照。基线包括 Mem0、RBank、DoT、ACE、GEPA-Online，以及 Top-K Raw / Full Raw 等原始上下文方法。指标为相对无状态骨干的归一化增益（normalized gain），各流三次独立采样取均。
论文自报总体结果：ReHarness 九组基准–骨干组合中平均归一化增益 0.240，八组排名第一或并列第一；对全部基线做配对 Wilcoxon 检验并 Bonferroni 校正后，论文称均显著优于对照（含 Top-K Raw 与 Full Raw）。任务级图显示多数任务上领先或接近最优，但在 CL-Bench 的可利用扑克等随机性更强的设定上增益偏弱。


与强原始上下文基线比，论文自报在 Claude、CL-Bench 全任务一轮中，ReHarness 总 token 约 41.57M（输入约 37.19M、输出约 4.38M），低于 Top-K Raw 约 52.66M 与 Full Raw 约 142.12M（约 1.3× / 3.4×）。按文中 Claude 计价与缓存口径，费用约 254 美元对 Top-K Raw 约 85 美元、Full Raw 约 314 美元；作者强调比 Full Raw 更省且增益更高（0.217 对 0.191）。
修订质量方面，论文自报把修订后的反思拆成事实主张后，三骨干上源轨迹锚定率均高于 95%，泄漏率约 0.8%–2.1%，无支持主张约 0.5%–2.6%；每次修订对锚定率的平均变动不超过约 0.3 个百分点。反事实回放（把修订态立刻用于同一实例）显著高于在线 ReHarness，说明修订本身有信息，但在线协议只把修订用于后续实例。
稳定性–可塑性分解上，论文自报 CL-Bench 平均稳定性增益 0.015、可塑性 0.241，均为表中最高档；多条前向-only 记忆/反思方法平均稳定性为负。定性例子包括：盲频谱监测早期把“补静默缺口”的过度概括改成优先保留已确认峰；数据库探索在 schema 漂移后，把“看 prc 列”改成枚举全部类价格列。


消融上，论文自报 top-k 从 1 提到 5 时增益上升明显，k∈{5,10,20} 相对平稳，过大 k 收益递减且成本升高，主实验固定 k=5。去掉把修订反思作为记忆智能体示范，会使 Claude 上 CL-Bench 归一化增益从 0.217 降到 0.191。讨论亦承认扑克任务上奖励噪声大时修订更难，且为便于修订仍需保存原始轨迹带来存储开销。
对读者的可执行含义：若你在做长流式智能体、只能改文本 Harness 而不能微调模型，ReHarness 给出的不是再堆一条记忆，而是“用下游成败回改已检索反思，且改写仍要锚在源轨迹”。是否值得上线，仍取决于自有任务奖励是否足够可诊断，以及修订调用带来的额外输出 token 是否可接受。
来源：arXiv:2610.12668《Recurrent Harness for Agentic Continual Learning》（Meta MRS Research / MIT 等）。文中归一化增益、token/费用、锚定率与消融数字均为论文自报，发布前请对照原文 Table 1–4 与 Figure 1–4 复核。


图1：Stateful Harness 仅前向写读 vs ReHarness 增加反向修订（Revision Agent）。来源论文 Figure 1 / pipeline；对应 arXiv:2610.12668
图2：论文自报任务级归一化增益（三骨干平均）；ReHarness 在多数任务领先或接近最优。来源 arXiv:2610.12668 Figure 2 / task
图3：论文自报 Harness 状态修订动态与 top-k 缩放；主实验固定 k=5。来源 arXiv:2610.12668 Figure 4 / analysis