EnvOpt
EnvOpt 是一种自动优化智能体静态环境的方法，无需评分器或参考答案，仅依赖真实或合成任务端到端优化环境表示，以降低智能体成本并提升成功率，且优化结果可跨模型与 harness 迁移。
时间轴 (近 90 天)
EnvOpt 是一种无需标注答案或评分器、仅靠真实或合成任务即可端到端优化智能体静态环境的方法。
EnvOpt 不改变模型权重，也不重写 harness，而是调整智能体所面对的信息世界。
在 AutomationBench 上，EnvOpt 将 Claude Haiku 4.5 的成本降低了 72.7%，同时通过率提升 14.34%。
同一套优化后的环境直接用于 Opus 5 时，成本下降 68.1%，通过率仍有 1.34% 的增长。
当 EnvOpt 叠加在 Meta-Harness 为 Haiku 4.5 优化过的 harness 之上时，相比单独使用 Meta-Harness，成本再降 83.4%，准确率额外提升 11.17%。
跨 5 个基准测试，EnvOpt 均显著降低智能体成本，同时保持或提升通过率，并可迁移到不同模型和不同 harness。
EnvOpt 适配任意给定的模型与 harness。
EnvOpt 论文讨论了自动化优化过程中常见的成功策略与被拒绝的策略。
全部知识事实 (8)
EnvOpt 是一种无需标注答案或评分器、仅靠真实或合成任务即可端到端优化智能体静态环境的方法。
50%待验证EnvOpt 不改变模型权重，也不重写 harness，而是调整智能体所面对的信息世界。
50%待验证在 AutomationBench 上，EnvOpt 将 Claude Haiku 4.5 的成本降低了 72.7%，同时通过率提升 14.34%。
50%待验证同一套优化后的环境直接用于 Opus 5 时，成本下降 68.1%，通过率仍有 1.34% 的增长。
50%待验证当 EnvOpt 叠加在 Meta-Harness 为 Haiku 4.5 优化过的 harness 之上时，相比单独使用 Meta-Harness，成本再降 83.4%，准确率额外提升 11.17%。
50%待验证跨 5 个基准测试，EnvOpt 均显著降低智能体成本，同时保持或提升通过率，并可迁移到不同模型和不同 harness。
50%待验证EnvOpt 适配任意给定的模型与 harness。
50%待验证EnvOpt 论文讨论了自动化优化过程中常见的成功策略与被拒绝的策略。
50%