摘要
WHALE（Weight-Harness Alternating LEarning，arXiv 2609.00196，9 月 2 日周三 digest）在两个阶段间交替：在当前 harness 下更新模型（在线拒绝采样微调），再在更新后的模型上搜索更好的 harness。出发点是 agent 表现同时取决于权重与可执行的 harness 代码，单独优化任何一方都会被冻结的另一方卡住——权重更新会改变哪个 harness 有效，harness 更新也会改变哪些模型能力被暴露出来。既有的联合适配工作只优化权重与文本提示，不碰更广义的 harness。
为什么重要
这把知识库自 AutoSaddler（8/26）、HarnessLens（8/29）以来追踪的 harness 优化路线从提示与工具搜索推进到了权重层面。对为生产微调 agent 的团队，警示很直接：为旧 checkpoint 调好的 harness 会悄悄浪费新模型的红利，harness 重调应该和模型更新放在同一个发布节奏里。同期 digest 还有 HarnessDev（2609.01437，LLM 创建并演化自己的 harness）与 HarnessEvolve（2609.00829，用参考轨迹做可靠自演化）——三个 digest 里出现了四篇 harness 主题论文。
技术细节
| ArXiv | 2609.00196，2026 年 9 月 2 日周三 digest 宣告 |
|---|---|
| 机制 | 交替优化：(1) 在当前 harness 下用在线拒绝采样微调更新模型；(2) 在更新后的模型上搜索更好的 harness（用 Meta-Harness 实例化） |
| 前提 | 权重与 harness 共同决定表现；冻结另一方会成为瓶颈；既有联合适配只覆盖权重 + 文本提示 |
| 同主题序列 | harness 专题连续出现：AutoSaddler（2608.23041，8/26）、HarnessLens（2608.27311，8/29）、HarnessDev（2609.01437）、HarnessEvolve（2609.00829）、EvoUndo（2608.28363，8/31 digest） |
标签
harness-optimizationfine-tuningagentco-optimizationself-evolution