**Mid-Harness:通过模型与执行层间动作扩展提升终端智能体可靠性**

_Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents_

> 针对终端智能体中模型生成动作执行不可靠的问题,研究提出 Mid-Harness 框架,在模型与执行层之间引入测试时计算,对候选动作进行采样与验证。实验表明,使用强验证器(如 GPT-5.6 Sol)可将 TMAX-9B 在 TerminalBench-Lite 上的 Pass@1 从 50% 提升至 68%。该框架通过动作扩展而非单纯增加轨迹数量,以更低的 token 成本实现了更高的任务成功率,验证了动作扩展作为测试时计算扩展新方向的有效性。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39982)