HarnessPro：面向性能-成本权衡的递归Harness自改进与Pareto优化

提出无标签方法 HarnessPro，用 LLM 生成测试评估候选 harness，由专门智能体诊断执行轨迹并按不同性能-成本优先级规划与实现更新。方法不返回单一 harness，而是用归一化加权平方距离选择成本优先（lite）、均衡（medium）和性能优先（heavy）三档方案，并让入选方案进入下一轮迭代；实验覆盖 Terminal-Bench 2 等基准，但摘要未给出具体结果。

AI推荐理由 论文提出 HarnessPro，用无标签的 LLM 生成测试评估候选 harness，通过专门智能体诊断执行轨迹并按不同性能-成本优先级规划更新，再用归一化加权平方距离选择 lite/medium/heavy 三档方案进入下一轮迭代。新信息是同时优化性能与执行成本的递归 harness 自改进流程；局限是摘要未给出 Terminal-Bench 2 等实验的具体数值，效果幅度无法核实。