CoTrace：面向终端 Agent 的 harness-模型协同演化数据配方

论文指出终端 Agent 的能力由模型权重与运行时 harness（负责提示格式化、工具绑定与错误恢复）共同决定，而现有协同演化方法把 harness 搜索产生的轨迹视为无差别回放缓冲，忽略了轨迹价值依赖于其生成时的 harness。作者提出交替协同演化框架，通过组件级晋升决策解耦 harness 搜索与策略训练，并给出 CoTrace 数据配方，显式管理轨迹路由、来源匹配与课程刷新；重复出现的执行失败用于指导 harness 合成，策略训练则严格基于与所采用运行时匹配的已验证 rollout。

AI推荐理由 CoTrace 指出终端 Agent 能力同时取决于模型权重与运行时 harness，而既有 harness-模型协同演化把搜索产生的轨迹当作无差别回放缓冲。论文建立交替协同演化框架，解耦 harness 搜索与策略训练，并提出 harness 感知的数据配方，管理轨迹路由、来源匹配与课程刷新，对终端 Agent 训练数据构建有具体方法价值。