可执行 harness 已开始决定 agent 的成本、可靠性和测试时增益
Agent 的性能越来越取决于模型周围的可执行控制层。TTHE 通过根据无标签轨迹编辑 harness 来改进固定的大语言模型（LLM），Long-Horizon-Terminal-Bench 则显示了当前 agent 在持续终端工作中的性能会多快下降。仓库级检查补足了这一点：实用的 agent 需要自适应控制、密集评估和结构验证。
主题概况
Test Time Adaptation
代理工作流优化与验证
代理团队可以通过针对有界工作流调整控制程序来降低推理成本，通过基于轨迹的 harness 修改改善部署后的行为，并通过检查点级评分诊断长时间运行。每项改动都需要可执行的上线测试，因为代理指标、工作负载多样性和超时可能扭曲总体成功率。
机器人策略工作正被可执行的对齐能力检验
当天的机器人论文都在处理同一个问题：如何让 Vision-Language-Action（VLA）策略在真实部署条件下稳定执行。ERVLA、GeoAlign 和 TTT-VLA 显示出最清楚的一条线索：表现取决于与机器人状态、几何和任务阶段对齐的动作相关信号。
面向接触感知的机器人策略控制
VLA 团队可以对当前机器人策略工作做三项具体改动：为精细操作加入几何条件动作解码，在 rollout 之前做一次局部 latent prompt 适配，在顺序技能训练中按操作阶段存储回放记忆。每一项改动都针对一个会在接触、布局或任务序列压力下出现的失效模式。