AutoSaddler: Learning to Improve Agent Harnesses from Failure Traces

AutoSaddler 从小批量失败轨迹离线定位 harness 缺陷，把工具、控制流和配置变更写成结构化代码补丁，再用验证集挑选可泛化版本。GAIA2、SWE-Bench Pro、Terminal-Bench 2 分别提高 9.0、9.6、10.0 个百分点；消融显示深层调试、定向修改和泛化选择都贡献明显。它把代理优化从反复润色提示词推进到可测试的运行系统修改，尤其适合模型暂时不能重训的场景。