研究：将智能体提示拆分为独立槽位后，反思／控制槽承载几乎全部优化价值，均分预算反而有害
新论文提出的HARNESSEVO方法将LLM智能体的harness拆成四个独立进化槽位，在ALFWorld任务中显示优化收益集中于反思/控制槽，而均匀分配计算预算会导致所有槽位冻结。
一篇新预印本论文提出，优化大语言模型智能体的外部提示（harness）时，收益高度集中于反思/控制部分，而非均匀分布；将有限计算预算均分给不同组件会拉低效果。该研究由Michael Nguyen等人完成，6 月 25 日提交至arXiv（编号 2609.02889），论文共 17 页，属计算语言学（cs.CL）领域。
方法：把harness拆成四个独立槽位
现有反思式提示进化方法通常把harness——模型外部的文本脚手架，包括人设、策略、格式规则和控制启发式——当作一个扁平字符串整体优化。HARNESSEVO则把harness分解为四个可分别进化的槽位：角色（role）、任务策略（task-strategy）、工具/格式规则（tool/format-rules）、反思/控制（reflection/control）。
研究者使用同一个反思式优化器，在等预算（iso-budget）设置下，采用“leave-one-in”（逐槽加入）和“leave-one-out”（逐槽剔除）两种归因方式测量每个槽位对整体成功率的贡献。
ALFWorld结果：收益集中在反思/控制槽位
在ALFWorld任务上、使用冻结的 7B参数骨干模型测试，HARNESSEVO的整体二元成功率（0.657）相对于原始harness（0.642）和扁平字符串进化（0.642）没有显著提升。
但分层分析显示，几乎所有有用优化价值都集中在反思/控制槽位：该槽位leave-one-in增益为 +0.119；其他槽位单独加入均为无效（null）。
作者强调，该效应依赖具体任务。在WebShop任务上，所有槽位均冻结为空、所有方法效果相同，表明“并非预算饥饿，而是确实不存在反复出现、可语言化的控制失败”——即该任务没有可供优化的空间。
- ALFWorld成功率：HARNESSEVO 0.657；原始harness 0.642；扁平字符串进化 0.642。
- 反思/控制槽位leave-one-in增益：+0.119。
- 其余槽位（角色、任务策略、工具/格式规则）单独加入均无增益。
均分预算陷阱与集中预算的恢复效果
论文还展示均匀分配预算的坏处：若将 64 次rollout均分到四个槽位，每个槽位只有 16 次，低于优化器的有效搜索下限（effective search floor），导致所有槽位冻结在其空种子状态。
相反，将预算集中投给高贡献（high-credit）的反思/控制槽位，仅用均分时一半的预算（推测为 32 次rollout）就能恢复丢失的增益，成功率提升至 0.761（对比全局 0.657）。
- 均分 64 rollout：每槽仅 16 次，低于搜索下限，全部冻结。
- 集中预算到反思/控制槽：用一半预算达到 0.761 成功率。
- 结论：harness价值是局部化的；均匀分预算可能主动有害；应先做信用分配（credit assignment），再开始结构化进化。