结论
中国科学院深圳先进技术研究院等团队公开的预印本 Growing Harness 提出把智能体框架本身作为可生长的持久产物，从不含任务求解控制器的无策略脚手架出发，用任务失败反馈把重复性控制沉淀为可复用代码，仅把语义推理留给大模型调用。作者报告在 BrowseComp-Plus 与 WebArena-Verified 上配合 4B 至 120B 三档部署模型，六组基准模型设置中五组平均成功率最高、一组落后最优 0.7 个百分点，同时相对 Tool-Calling 智能体减少 76.0% 至 91.8% 的大模型调用并降低 74.4% 至 98.6% 的部署推理成本。以下数字均为作者自报，尚未经过同行评审与独立复现，不应视为普遍或已确立的事实。
研究状态与对象
该工作状态为预印本，16 页 6 图，arXiv 提交历史为 UTC 2026 年 9 月 22 日 17 时 40 分 45 秒，对应 Asia/Shanghai 2026 年 9 月 23 日 1 时 40 分 45 秒，属于当日窗口内首次公开。责任主体为中国科学院深圳先进技术研究院、中国科学院大学、深圳理工大学与澳门大学，研究对象是面向同任务族重复部署的工具调用智能体框架，特别是每次任务都让模型在上下文中重建查询改写、观测过滤、进度校验、错误恢复与停止判断等重复控制所带来的调用与上下文膨胀问题，而非单次孤立任务的最优提示或单个工具技能。
方法与评估条件
Growing Harness 为免权重更新的失败引导训练范式。训练起点是仅暴露任务入口与固定模型工具接口的无策略脚手架，不预置 ReAct 式工具调用循环。训练在任务流上运行当前框架并维护有界失败窗口，每个失败执行记录函数级执行有向无环图，定位参与失败的代码面；离线优化器在受限编辑预算内仅修改被牵连函数并允许少量新辅助函数，联合修复一窗失败，优先把确定性可复用操作写成代码、保留语义判断为模型调用；候选须在当前失败上验证，并经成功优先的留出门控检验，损害既有能力则回滚，接受的编辑累积到同一共享框架。评估条件为 BrowseComp-Plus 与 WebArena-Verified 两项基准，部署模型覆盖 4B 至 120B 三档，每点为三次独立评测均值，对照为 Tool-Calling 智能体，成本按作者给出的 token 价格核算。
数据范围与主要结果
作者报告的范围限于上述两基准与受控配置：一、六组基准模型设置中五组平均成功率最高，剩余一组落后最优均值 0.7 个百分点；二、相对 Tool-Calling，大模型调用减少 76.0% 至 91.8%，部署推理成本降低 74.4% 至 98.6%；三、在 WebArena-Verified 上 Growing Harness 成功率保持 44.7% 至 45.3% 且跨模型尺度稳定，而 Tool-Calling 在 4B 模型下降至 6.7%，作者称这显示小模型在代码化控制下仍可保持可用；四、消融显示轨迹定位编辑、联合修复与门控回滚各自提升最终成功率。以上均为论文摘要与正文自报结果，成本与成功率均依赖特定基准分布与作者计价口径。
局限与待验证事项
第一，该工作为预印本，未经同行评审，需独立复现才能确认。第二，结论限 BrowseComp-Plus 与 WebArena-Verified 两项基准及三档部署模型，未验证开放域对话、长程协作、其他工具栈与真实移动端部署的迁移能力。第三，复用主张限同一任务分布内的未见任务，依赖同分布任务流提供失败反馈，不能推广为跨分布通用控制器。第四，调用与成本降幅强依赖失败窗口、编辑预算、门控集划分与 token 计价，留出门控与训练任务划分不同可能改变结果；附带的可视化与单点均值未在正文中完整给出置信区间细节，需结合全文与表格核查。第五，与 Tool-Calling 等基线的对比为特定基座、脚手架与努力配置下的作者结论，不构成通用能力排名。
潜在意义
编辑解释：如果后续独立复现成立，该思路的意义在于用结构化方式管理上下文，把重复控制从每次推理移入低边际成本的代码，使小模型在资源受限部署中保持可用，并让测试时扩展与持续部署的成本更可控。这对需要同族任务重复执行的网页与浏览智能体工程有直接参考价值。但在当前证据下，读者应将其视为特定基准与特定配置上的作者结论，而非机构宣传或行业普遍结论，选型前需在自身任务分布、模型与计费条件下复测成功率与成本。