Harness² est un cadre prêt à l'emploi de Google Research pour le harnachement récursif d'agents dans un monde ouvert, où les agents rencontrent des tâches non anticipées lors de la conception du harnais. Un harnais est le système qui entoure un modèle et lui permet d'agir en tant qu'agent, comprenant les prompts, les outils, la mémoire, les compétences et l'orchestration. Le harnachement est le processus d'optimisation de ce système.
Le cadre relie deux niveaux de récursion tout en gardant les poids du modèle fixes. La récursion au niveau de la tâche affine le harnais d'exécution pour la tâche en cours grâce à une étape contrastive Proposer–Sonder–Composer : elle propose des modifications, sonde leurs effets sur la même tâche et compose un harnais raffiné à partir des contrastes comportementaux entre les exécutions, sans retour de vérité terrain. La récursion au niveau du harnachement met à jour un harnais d'amélioration persistant avec les harnais adoptés et les enseignements étayés par des preuves, afin de guider les affinements futurs.
Sur trois benchmarks professionnels et quatre configurations modèle-harnais, une seule étape de Harness² améliore GLM-5 et Gemini 3.5 Flash par rapport à leurs harnais de base. Les gains rapportés atteignent 11,5 points sur Work Buddy-Bench, 4,5 points sur Job Bench et 11,8 points de pourcentage sur le taux de réussite partielle de LAB. Augmenter le budget de récursion au niveau de la tâche apporte des gains supplémentaires.
La version prend en charge les récursions parallèle et séquentielle, les exécuteurs Open Code et Codex, ainsi que les benchmarks Job Bench, LAB et Work Buddy-Bench. Les utilisateurs peuvent prévisualiser le cadre en local grâce à une démonstration ne nécessitant aucun identifiant de modèle, ou lancer les benchmarks utilisant un modèle après avoir configuré l'accès à Vertex AI.
Source: Hacker News · Résumé par HeadlinesBriefing