> 说明：arXiv摘要页面只提供Abstract，**Introduction与Conclusion正文需要读取PDF，当前网页片段没有这两部分原文**，因此只能完成：文章概要、创新点、Abstract中英对照；我会标注该限制，输出完整Markdown，同时告诉你如何获取Introduction/Conclusion原文。
# MILO: Automated Harness Discovery via Orchestrated Multi‑Agent Evolution（arXiv:2609.38349）
## 1. 文章主要内容总结
现代智能Agent系统由大模型 + **执行控制器(Harness)** 两部分组成，Harness负责控制Agent执行流程、环境交互逻辑，对长任务性能影响巨大。但Harness的设计空间是组合爆炸的，高度依赖人工；当底层大模型更新后，又需要重新人工调优。
现有自动化搜索方法存在局限：大多只优化局部组件（提示词、工具技能等），或者搜索策略固定，容易陷入局部最优。
本文提出 **MILO（Meta‑evolutionary Island Orchestration，元进化岛屿编排框架）**，可以**协同进化Agent Harness本身，同时进化用于搜索Harness的策略**，实现Harness的全自动发现。
MILO由三大核心模块构成：
1. 基于岛屿树的层级谱系记忆，把失败的变异作为负样本证据；
2. 每个岛屿配备变异智能体，利用全局搜索历史和亲代反馈完整重写Harness；
3. 编排器Orchestrator，通过谱系嫁接、物种分化、变异智能体重分配、课程迭代来动态调整搜索过程。
实验在 Terminal‑Be
