正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
这篇论文关注Harness-Level Forgetting相关问题：当智能体依赖技能、记忆、工具和运行时控制时，模型外部系统怎样影响最终能力。
核心方法
Harness Continual Learning 把连续学习对象扩展到提示、记忆、工具、技能和路由规则。即使模型权重冻结，harness 更新也可能破坏旧行为，因此需要在模型外部状态中研究保持、迁移和遗忘。
实验结论
- 把灾难性遗忘问题从模型参数推进到 harness 层。
- 适合与同批推荐中的 Agent Skills、Harness 和长期记忆论文交叉比较。
局限性与证据边界
- 已按 arXiv 元数据和摘要整理，推荐文案为中文编辑摘要。
适合谁阅读
追踪 Agent Skills 与 Harness 研究比较模型外状态的收益和风险设计长期智能体系统Agent SkillsAgent Harness
可核验的原论文来源和作者
- 作者
- Borui Kang, Jinrui Gu, Junhan Lv, Wenbin Li, Lei Wang, Yang Gao
- 来源
- arXiv
- 论文 ID
- 2608.19013