强智能体做自主 ML 工程需要多少 harness

Apple 与 EPFL 的论文在相同时间预算和同一前沿 LLM 基座下比较自主 ML 工程智能体，发现开源 SOTA harness 相对单会话最小 harness 编码智能体没有优势，性能主要由基座模型决定。作者通过大规模系统性消融实验认为，在编码智能体场景下多智能体编排、检索子智能体等机制层变得冗余，围绕强模型手工搭建 harness 的投入在当前 MLE 基准上回报很低。