Harness² é um framework plug-and-play do Google Research para o harnessing recursivo de agentes em um mundo aberto, onde os agentes enfrentam tarefas que não foram previstas durante o design do harness. Um harness é o sistema ao redor de um modelo que permite que ele atue como agente, incluindo prompts, ferramentas, memória, habilidades e orquestração. O harnessing é o processo de otimizar esse sistema.
O framework conecta dois níveis de recursão mantendo os pesos do modelo fixos. A recursão em nível de tarefa refina o harness de execução para a tarefa atual por meio de uma etapa contrastiva de Propor–Sondar–Compor: ela propõe edições, sonda seus efeitos na mesma tarefa e compõe um harness refinado a partir de contrastes comportamentais entre execuções, sem feedback de verdade fundamental. A recursão em nível de harnessing atualiza um harness de aprimoramento persistente com os harnesses adotados e lições respaldadas por evidências, para orientar refinamentos futuros.
Em três benchmarks profissionais e quatro configurações modelo–harness, uma única etapa do Harness² melhora o GLM-5 e o Gemini 3.5 Flash em relação aos seus harnesses base. Os ganhos relatados chegam a 11,5 pontos no Work Buddy-Bench, 4,5 pontos no Job Bench e 11,8 pontos percentuais na taxa de aprovação parcial do LAB. Aumentar o orçamento de recursão em nível de tarefa traz ganhos adicionais.
A versão oferece suporte a recursão paralela e sequencial, aos executores Open Code e Codex, e aos benchmarks Job Bench, LAB e Work Buddy-Bench. Os usuários podem visualizar o framework localmente com uma demonstração que não exige credenciais de modelo, ou executar benchmarks com modelos após configurar o acesso ao Vertex AI.
Fonte: Hacker News · Resumido por HeadlinesBriefing