量子位
1 个来源北航、港中文与新国大团队提出OmniHarness，视觉AI经验可迁移至视频生成
OmniHarness通过符号策略学习，将视觉AI中验证有效的流程提炼为可复用方法库，无需微调模型即可迁移到新任务。在ComfyBench创意任务上解决率达95%，比最强对照SymbOmni高27.5个百分点，并可将策略库适配给其他智能体使用。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读
不微调模型，也能让视觉AI积累经验：OmniHarness的策略库实验
版本 1 · 1 个来源
北航、港中文与新国大团队提出OmniHarness，把验证有效的视觉创作流程抽象为可复用策略库，在参数不变的前提下让经验跨任务、跨智能体乃至跨模态迁移。论文自报的基准数字亮眼，但全部来自单一来源，尚无第三方复现。
- OmniHarness由北航、港中文与新国大团队共同完成，核心做法是参数不变、不微调模型，把做对的流程收进方法库。
- 系统通过符号策略学习，把验证有效的做法提炼成一类任务可复用的方法；策略保留共享步骤、适用条件和依赖资源，去掉当前任务的具体输入。
- 选题默认每轮提出10个候选任务，按新颖性与能力边界评分的乘积选取；可靠性取95% Wilson置信区间下界。
- 任务能力估计由最薄弱的一项能力决定，关键环节缺少可靠方法会拖累最终结果。
- 论文自报ComfyBench创意任务解决率95%，比最强对照SymbOmni高27.5个百分点；Codex GPT-4o配置总体解决率92.5%。
- 自主练习得到的策略库保持冻结，经知识接口适配交给其他智能体使用；只用图像任务练习的策略库还能参与视频生成，视频总体解决率85.9%。
展开章节目录一个被反复绕开的问题：做对一次，能不能变成一类方法
一个被反复绕开的问题：做对一次，能不能变成一类方法
视觉创作往往是多步串联：涂鸦重绘成写实红花，再用它的风格生成花田，前一步的输出就是下一步的输入。中间任何一环偏了，误差会沿流程一路传下去。于是问题变成：当视觉智能体完成全部规划和试错之后，正确的经验能不能留下来，换张图片、换个主题还能不能用？
由北航、港中文与新国大团队共同完成的OmniHarness给出的答案是：参数不变，把做对的流程收进方法库，让下一次创作有经验可用。它通过符号策略学习，把验证有效的做法提炼成一类任务可复用的方法。
这里的策略被描述为一套带使用说明的工作流：保留共享步骤、适用条件和依赖资源，去掉当前任务的具体输入。新任务到来后，系统检查条件、填入新输入，再调整或组合已有策略。换句话说，红花和输入草图是这道题的细节，而“先重绘、再用结果引导生成”才是可迁移的那部分。
自己出题：选题、可靠性估计与短板逻辑
系统不是被动等任务，而是先练起来。反复练熟悉的题收获有限，题目远超当前能力又容易陷入低效尝试，所以选题要兼顾探索价值与现有方法的支撑。默认每轮提出10个候选任务，按新颖性与能力边界评分的乘积选题：新颖性看哪里练得少，能力边界评分看难度是否适合当前能力。
可靠性怎么算？系统按调用与验证成功次数估计，取95% Wilson置信区间下界，并为每项能力选最可靠的适用且未停用工作流。这里有一个值得注意的设计：任务能力估计由最薄弱的一项能力决定，某个关键环节缺少可靠方法，就会拖累最终结果。多步任务的短板可能决定全局。
执行阶段，系统先规划步骤与依赖，再将代码转换为ComfyUI工作流，验证流程可执行性、中间结果与最终输出。中间验证尤其关键——如果红花已经偏离要求，继续用它生成花田，偏差可能沿流程传递。发现问题后，定位并修复失败环节，保留已验证部分；必要时调用子智能体，在有限重试内重新验证。
成功流程被抽象为策略，失败则留下证据、原因和修正办法，系统持续更新可靠性并合并等价流程，让新经验参与下次选题与执行。成功一次也不意味着从此可靠：后续调用的成功与失败，会继续影响策略的可信度和复用优先级。
基准数字：创意任务95%，但对照配置是否对齐未说明
在ComfyBench创意任务上，OmniHarness解决率达95%，比最强对照SymbOmni高27.5个百分点；Codex GPT-4o配置下总体解决率达92.5%。这些数字来自论文团队投稿的单一来源，属于来源方声明，尚无第三方独立复现。
更值得看的是流程跑通之后究竟完成了多少任务。两种配置的工作流运行通过率均为100%，ComfyMind和SymbOmni也已达到这一水平，因此通过率本身不构成区分度。同用GPT-4o时，OmniHarness总体解决率为89.5%，高于ComfyMind的83%；创意任务为95%，对照为57.5%。
换成Codex规划配置，总体解决率从89.5%升至92.5%，复杂任务从76.7%升至83.3%，体现了规划配置对多步流程表现的影响。但复杂任务仍有进步空间：Codex配置为83.3%，略低于ComfyMind的85%。
需要保留的疑问是：创意任务95%与最强对照SymbOmni 57.5%的对比，来源未说明对照配置是否与OmniHarness完全一致。在缺少这一前提的情况下，27.5个百分点的差距应视为来源方报告的结果，而非已确证的性能差距。
跨智能体迁移：冻结策略库接入后的增益差异
自主练习得到的策略库保持冻结，经知识接口适配交给其他智能体使用，保留宿主控制流程且不微调模型。这份策略库既包含可复用的工作流模板，也包含失败证据与修正方法，供其他智能体通过自身的检索、规划和执行流程调用。
接入后的总体解决率变化为：ComfyAgent从32.5%升至57.0%，ComfyMind从83.0%升至88.0%，SymbOmni从86.0%升至89.0%；三个系统创意任务解决率分别提升27.5、17.5和10个百分点。三个系统在创意任务上的增幅都高于各自的总体增幅，这提示面对新的创作要求，可调用的方法和修正经验尤其值得重视。
但增益幅度的差异本身值得留意：ComfyAgent提升24.5个百分点，而SymbOmni只提升3个百分点。这种差异说明迁移效果可能与宿主系统原有能力高度相关，其稳定性与适用边界尚不明确。
跨模态：图像策略库参与视频生成
只用图像任务练习得到的冻结策略库，还能参与视频生成。视频总体解决率达85.9%，比表中最佳对照高5.1个百分点；视频到视频任务达80.0%，比该对照高13.3个百分点。
按来源描述，图像策略支持内容构建、参考保持等操作，视频专用组件处理时序，二者经适配和组合完成任务。不过，图像策略迁移到视频生成的效果仅由该来源报告，视频专用组件与图像策略的适配组合细节未充分展开，这一跨模态结论的稳健性有待更多证据。
代价与边界：计算开销与未解问题
这套方法并非没有成本。自主练习与多轮检查仍有计算开销，后续需优化检索、验证与推理预算。失败环节的修复与子智能体调用被限制在有限重试内，这既是工程约束，也意味着复杂任务的修复能力存在上限。
更根本的限制在于证据本身：所有基准数字均来自论文团队投稿的单一来源，缺少第三方独立复现；论文全文、项目主页与代码链接虽已给出，但来源未提供可核验的第三方评测或复现结果。因此，本文中95%、92.5%、89.5%、85.9%等数字应理解为来源方声明，而非已确证的结论。
可信度边界
本文全部事实来自量子位对OmniHarness论文的报道（单一来源，来源层级为press_release）。其中团队构成、方法机制（符号策略学习、策略定义、选题规则、可靠性估计、短板逻辑、ComfyUI流程、失败证据留存、冻结策略库迁移）被标注为confirmed；所有基准数字（创意任务95%、Codex配置92.5%、GPT-4o配置89.5%、通过率100%、复杂任务83.3%、跨智能体接入增益、视频85.9%与80.0%）均标注为source_claim，因为它们是论文团队自报结果，缺少第三方独立复现，且来源未说明对照配置是否与OmniHarness完全一致。文中对增益差异、跨模态稳健性的评论属于基于来源事实的推断，已在相应位置标明不确定性。
核心结论
OmniHarness的价值主张不在于刷新某个单点分数，而在于提出一种不微调模型、把验证有效的流程沉淀为可复用策略的路径，并让这份策略库以冻结形式跨智能体、跨模态复用。论文自报的数字（创意任务95%、视频85.9%）足够吸引人，但全部来自单一来源，对照配置是否对齐、迁移增益为何差异悬殊、跨模态适配细节如何，都还没有独立答案。在第三方复现出现之前，它更像一个值得跟踪的研究方向，而不是一个已经落地的结论。
主报道
量子位
主报道来源