Harness² Google Research का एक प्लग-एंड-प्ले ढांचा है, जो खुले वातावरण में पुनरावर्ती एजेंट हार्नेसिंग के लिए बनाया गया है, जहां एजेंटों को ऐसे कार्यों का सामना करना पड़ता है जो हार्नेस डिज़ाइन के समय नहीं देखे गए थे। हार्नेस वह प्रणाली है जो किसी मॉडल के चारों ओर होती है और उसे एजेंट के रूप में कार्य करने देती है, जिसमें प्रॉम्प्ट, टूल, मेमोरी, कौशल और ऑर्केस्ट्रेशन शामिल हैं। हार्नेसिंग उस प्रणाली को अनुकूलित करने की प्रक्रिया है।
यह ढांचा मॉडल के वज़न को स्थिर रखते हुए पुनरावृत्ति के दो स्तरों को जोड़ता है। कार्य-स्तरीय पुनरावृत्ति वर्तमान कार्य के लिए निष्पादन हार्नेस को एक विरोधाभासी Propose–Probe–Compose चरण के माध्यम से परिष्कृत करती है: यह संपादन प्रस्तावित करती है, उसी कार्य पर उनके प्रभावों की जांच करती है, और निष्पादनों के बीच व्यवहारिक विरोधाभासों से एक परिष्कृत हार्नेस तैयार करती है, बिना किसी ग्राउंड-ट्रुथ फीडबैक के। हार्नेसिंग-स्तरीय पुनरावृत्ति एक स्थायी सुधार हार्नेस को अपनाए गए हार्नेस और साक्ष्य-समर्थित सीखों से अद्यतन करती है, ताकि भविष्य के परिष्करण का मार्गदर्शन हो सके।
तीन पेशेवर बेंचमार्क और चार मॉडल-हार्नेस कॉन्फ़िगरेशन में, Harness² का एक ही चरण GLM-5 और Gemini 3.5 Flash को उनके आधार हार्नेस की तुलना में बेहतर बनाता है। रिपोर्ट किए गए लाभ Work Buddy-Bench पर 11.5 अंक, Job Bench पर 4.5 अंक और LAB के आंशिक उत्तीर्ण दर पर 11.8 प्रतिशत अंक तक पहुंचते हैं। कार्य-स्तरीय पुनरावृत्ति का बजट बढ़ाने से और लाभ मिलते हैं।
यह रिलीज़ समानांतर और अनुक्रमिक पुनरावृत्ति, Open Code और Codex निष्पादकों, तथा Job Bench, LAB और Work Buddy-Bench बेंचमार्क का समर्थन करती है। उपयोगकर्ता बिना मॉडल क्रेडेंशियल की आवश्यकता वाले डेमो के साथ इस ढांचे का स्थानीय पूर्वावलोकन कर सकते हैं, या Vertex AI एक्सेस कॉन्फ़िगर करने के बाद मॉडल-आधारित बेंचमार्क चला सकते हैं।
स्रोत: Hacker News · HeadlinesBriefing द्वारा सारांशित