Harness² es un marco plug-and-play de Google Research para el arnés recursivo de agentes en un mundo abierto, donde los agentes se enfrentan a tareas que no se contemplaron durante el diseño del arnés. Un arnés es el sistema que rodea a un modelo y le permite actuar como agente, e incluye prompts, herramientas, memoria, habilidades y orquestación. El harnessing es el proceso de optimizar ese sistema.
El marco conecta dos niveles de recursión manteniendo fijos los pesos del modelo. La recursión a nivel de tarea refina el arnés de ejecución para la tarea actual mediante un paso contrastivo de Proponer–Sondear–Componer: propone ediciones, sondea sus efectos sobre la misma tarea y compone un arnés refinado a partir de contrastes de comportamiento entre ejecuciones, sin retroalimentación con la verdad de referencia. La recursión a nivel de harnessing actualiza un arnés de mejora persistente con los arneses adoptados y las lecciones respaldadas por evidencia, para guiar refinamientos futuros.
En tres benchmarks profesionales y cuatro configuraciones modelo–arnés, un único paso de Harness² mejora a GLM-5 y Gemini 3.5 Flash frente a sus arneses base. Las ganancias reportadas alcanzan 11,5 puntos en Work Buddy-Bench, 4,5 puntos en Job Bench y 11,8 puntos porcentuales en la tasa de aprobación parcial de LAB. Aumentar el presupuesto de recursión a nivel de tarea trae mejoras adicionales.
La versión admite recursión paralela y secuencial, los ejecutores Open Code y Codex, y los benchmarks Job Bench, LAB y Work Buddy-Bench. Los usuarios pueden probar el marco localmente con una demostración que no requiere credenciales de modelo, o ejecutar benchmarks con modelos tras configurar el acceso a Vertex AI.
Fuente: Hacker News · Resumido por HeadlinesBriefing