Apple 消融实验：同等预算下开源顶级 harness 不如最小 coding agent，性能主要由底座决定
9 月 30 日，Apple 与 EPFL 的论文《How Much of a Harness Does a Strong Agent Need for Autonomous ML Engineering?》给出一个与近两年主流叙事相反的结论：在同等时间预算、同一个前沿模型底座下，开源的最先进 harness 相对「单会话 + read/write/bash 三个原语」的最小 coding agent 基线没有任何优势，性能主要由底座模型驱动，而不是编排层。
论文的着力点在大规模系统化消融。作者先描述现状——近年的自动机器学习工程（MLE）智能体为了突破长周期任务上的进步停滞与 LLM 原语有限，被搭上了越来越复杂的机械结构（多智能体编排、专用检索子智能体等）；随后把这些层逐项拆掉做对照，得出的判断是：在 coding agent 这一形态下，这些机械层变成冗余，围绕强模型手工打磨 harness 对当前 MLE 基准的回报很低。作者列出三个署名机构/身份（含 EPFL，标注了「在 Apple 期间完成」）。
它改变的是 harness 的投入产出判断。过去两年 agent 侧的进步常被记在编排与工具层上，这项工作把功劳归回模型本身，等于给「把预算花在 harness 工程上」这条路线泼了一盆冷水。边界是明确的：结论限定在 MLE 类基准与「同等时间预算」这一设定下，摘要自陈是围绕 coding agent 场景的消融，没有给出 harness 在长会话、多模态、需要外部状态等任务形态上的对照，也没有覆盖更大规模模型的复现结果。
原文链接：Apple 机器学习研究页
核验记录
官方研究页直读（24,982 字节），页面写 content type paper / research area Methods and Algorithms / published October 2026 与摘要全文；论文版日期取自 arXiv 2609.40303 的 citation_date 与 citation_online_date（均为 2026/09/30），Apple ML 官方 RSS pubDate 为 2026-10-01 08:00，故 date 取 9/30。结论句（同等时间预算 + 同底座下开源 SOTA harness 相对最小 harness 单会话无优势、机械层冗余、回报低）与 EPFL 署名逐字取自该页摘要；本轮未读论文正文与实验表格，具体基准名与分数未写入正文（摘要里没有）。配图为 Apple ML 研究站通用 OG 卡。
← 上一篇微软研究院发空间天气电网风险预报系统：提前 30–60 分钟定位到具体位置，评估期抓到近 80% 重大事件下一篇 →Hugging Face 上线开源 TTS 榜：八千个语音模型，只有 16 个挤进主流竞技榜