Harness² হলো Google Research-এর একটি প্লাগ-অ্যান্ড-প্লে কাঠামো, যা উন্মুক্ত পরিবেশে পুনরাবৃত্ত এজেন্ট হার্নেসিংয়ের জন্য তৈরি, যেখানে এজেন্টরা এমন কাজের মুখোমুখি হয় যা হার্নেস নকশার সময় দেখা যায়নি। হার্নেস হলো একটি মডেলের চারপাশের সেই ব্যবস্থা, যা মডেলটিকে এজেন্ট হিসেবে কাজ করতে সক্ষম করে, এতে প্রম্পট, টুল, মেমরি, দক্ষতা এবং অর্কেস্ট্রেশন অন্তর্ভুক্ত। হার্নেসিং হলো সেই ব্যবস্থাকে অপ্টিমাইজ করার প্রক্রিয়া।
এই কাঠামো মডেলের ওজন স্থির রেখে পুনরাবৃত্তির দুটি স্তরকে যুক্ত করে। টাস্ক-স্তরের পুনরাবৃত্তি একটি বৈপরীত্যমূলক Propose–Probe–Compose ধাপের মাধ্যমে বর্তমান কাজের জন্য এক্সিকিউশন হার্নেসকে পরিমার্জন করে: এটি সম্পাদনা প্রস্তাব করে, একই কাজে তাদের প্রভাব পরীক্ষা করে এবং এক্সিকিউশনগুলোর মধ্যকার আচরণগত পার্থক্য থেকে একটি পরিমার্জিত হার্নেস তৈরি করে, কোনো গ্রাউন্ড-ট্রুথ ফিডব্যাক ছাড়াই। হার্নেসিং-স্তরের পুনরাবৃত্তি গৃহীত হার্নেস এবং প্রমাণ-সমর্থিত শিক্ষার মাধ্যমে একটি স্থায়ী উন্নয়ন হার্নেসকে হালনাগাদ করে, যা ভবিষ্যৎ পরিমার্জনকে পথ দেখায়।
তিনটি পেশাদার বেঞ্চমার্ক এবং চারটি মডেল-হার্নেস কনফিগারেশন জুড়ে, Harness²-এর একটি একক ধাপ GLM-5 এবং Gemini 3.5 Flash-কে তাদের বেস হার্নেসের তুলনায় উন্নত করে। প্রতিবেদিত লাভ Work Buddy-Bench-এ 11.5 পয়েন্ট, Job Bench-এ 4.5 পয়েন্ট এবং LAB-এর আংশিক পাস হারে 11.8 শতাংশ পয়েন্ট পর্যন্ত পৌঁছায়। টাস্ক-স্তরের পুনরাবৃত্তি বাজেট বাড়ালে আরও লাভ পাওয়া যায়।
এই রিলিজটি সমান্তরাল ও ক্রমিক পুনরাবৃত্তি, Open Code ও Codex এক্সিকিউটর, এবং Job Bench, LAB ও Work Buddy-Bench বেঞ্চমার্ক সমর্থন করে। ব্যবহারকারীরা মডেল ক্রেডেনশিয়াল ছাড়াই একটি ডেমোর মাধ্যমে স্থানীয়ভাবে কাঠামোটি পূর্বরূপ দেখতে পারেন, অথবা Vertex AI অ্যাক্সেস কনফিগার করার পর মডেল-ভিত্তিক বেঞ্চমার্ক চালাতে পারেন।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing