Harness² adalah kerangka kerja plug-and-play dari Google Research untuk harnessing agen rekursif di dunia terbuka, tempat agen menghadapi tugas yang tidak terlihat saat desain harness. Harness adalah sistem di sekitar model yang memungkinkannya bertindak sebagai agen, mencakup prompt, alat, memori, keterampilan, dan orkestrasi. Harnessing adalah proses mengoptimalkan sistem tersebut.
Kerangka kerja ini menghubungkan dua tingkat rekursi sambil mempertahankan bobot model tetap. Rekursi tingkat tugas menyempurnakan harness eksekusi untuk tugas saat ini melalui langkah kontrastif Propose–Probe–Compose: mengusulkan perubahan, menguji dampaknya pada tugas yang sama, dan menyusun harness yang disempurnakan dari kontras perilaku antar eksekusi, tanpa umpan balik kebenaran dasar. Rekursi tingkat harnessing memperbarui harness perbaikan yang persisten dengan harness yang telah diadopsi dan pelajaran yang didukung bukti untuk memandu penyempurnaan di masa depan.
Di tiga benchmark profesional dan empat konfigurasi model–harness, satu langkah Harness² meningkatkan GLM-5 dan Gemini 3.5 Flash dibandingkan harness dasarnya. Peningkatan yang dilaporkan mencapai 11,5 poin pada Work Buddy-Bench, 4,5 poin pada Job Bench, dan 11,8 poin persentase pada tingkat kelulusan parsial LAB. Menaikkan anggaran rekursi tingkat tugas memberikan peningkatan lebih lanjut.
Rilis ini mendukung rekursi paralel dan sekuensial, eksekutor Open Code dan Codex, serta benchmark Job Bench, LAB, dan Work Buddy-Bench. Pengguna dapat mencoba kerangka kerja ini secara lokal dengan demo yang tidak memerlukan kredensial model, atau menjalankan benchmark berbasis model setelah mengonfigurasi akses Vertex AI.
Sumber: Hacker News · Diringkas oleh HeadlinesBriefing