ModularRSI: Frozen-Weight Agents Improve via Harness Self-Modification
IQuest Research, with Beihang University and the University of Manchester, released ModularRSI, a method for agent continuous self-improvement that modifies the execution harness while keeping the base model frozen. On Terminal-Bench 2.0, accuracy rose from 47.57 to 52.43 through harness evolution, with improvements transferring to unseen tasks, domains, and base models. The work defines an agent as A=(M,H), where H is the harness controlling environment observation, context maintenance, tool invocation, failure recovery, and task termination.
Coverage timeline
机器之心机器之心
近日，IQuest Research 同北京航空航天大学、曼彻斯特大学等合作伙伴发布 ModularRSI，尝试让 Agent 根据自身执行经验，持续修改模型外围的运行机制——Harness。 在基础模型全程冻结的情况下，经过 Harness 演化，系统在 Terminal-Bench 2.0 上的准确率从 47.57 提升至 52.43 。更关键的是，这些改进还能迁移到未参与演化的任务、不同领域乃至不同基础模型。 arXiv：https://arxiv.org/abs/2609.14857 Code: https://github.com/IQuestLab/ModularRSI Blog: https://recursive-self-improvement.notion.site/blog-1-modularrsi-toward-generalizable-harness-rsi 这项工作的核心问题很直接： 当模型本身不再变化，Agent 能否通过改造“模型如何工作”，获得持续的自我改进能力？ 研究团队把一个 Agent 写成：A=(M,H) 其中，(M) 是基础模型，(H) 是 Harness。 对于今天的 Agent 来说，最终表现已经越来越依赖模型外围的系统机制。模型能够看到哪些环境信息，怎样维护上下文，什么时候调用工具，失败后如何恢复，以及什么情况下可以宣布任务完成，都会影响最终结果。 这些机制共同构成了 Harness。 ModularRSI 进一步把变化对象放到了 Harness 上： 模型 (M) 始终冻结，Harness 则随着执行经验不断发生变化。 Agent 每完成一批任务，都会留下执行轨迹；系统从轨迹中寻找反复出现的缺陷，再修改自身运行代码，让下一轮执行建立在上一轮经验之上。 这构成了 Harness Recursive Self-Improvement，也就是 Harness RSI。 视频 1｜Performance of the harness across different evolution generations on Terminal-Bench 2.0 视频 1 展示的正是这一现象：基础模型保持冻结，外围 Harness 随着演化代次推进，Terminal-Bench 2.0 表现持续提高。作者据此提出，Agent 的迭
