本文系统分解了OpenEvolve和TTT-Discover等发现系统的harness组件,通过超过310万次LLM rollout评估了30种预算匹配的harness在12个模型-问题对上的表现,发现没有一种固定harness普遍最优,且OpenEvolve变体通常不如简单替代方案,并提出了基于早期性能的自适应…
机构:伯克利
来源:arXiv 2607.18235 | AI4Papers 论文推荐平台