Harness² — готовый к использованию фреймворк Google Research для рекурсивного оснащения агентов в открытой среде, где агенты сталкиваются с задачами, не учтёнными при проектировании харнесса. Харнесс — это система вокруг модели, которая позволяет ей действовать в роли агента и включает промпты, инструменты, память, навыки и оркестрацию. Харнессинг — это процесс оптимизации этой системы.
Фреймворк связывает два уровня рекурсии при сохранении фиксированных весов модели. Рекурсия на уровне задачи уточняет исполнительный харнесс для текущей задачи с помощью контрастивного шага Propose–Probe–Compose: она предлагает правки, проверяет их влияние на ту же задачу и составляет уточнённый харнесс на основе поведенческих различий между запусками, без обратной связи с эталонной истиной. Рекурсия на уровне харнессинга обновляет постоянный харнесс улучшений принятыми харнессами и подкреплёнными доказательствами выводами, чтобы направлять будущие уточнения.
На трёх профессиональных бенчмарках и четырёх конфигурациях «модель–харнесс» один шаг Harness² улучшает GLM-5 и Gemini 3.5 Flash по сравнению с их базовыми харнессами. Заявленный прирост достигает 11,5 пункта на Work Buddy-Bench, 4,5 пункта на Job Bench и 11,8 процентного пункта по показателю частичного прохождения в LAB. Увеличение бюджета рекурсии на уровне задачи даёт дополнительный прирост.
Релиз поддерживает параллельную и последовательную рекурсию, исполнители Open Code и Codex, а также бенчмарки Job Bench, LAB и Work Buddy-Bench. Пользователи могут локально ознакомиться с фреймворком в демонстрационном режиме, не требующем учётных данных модели, или запустить бенчмарки с моделями после настройки доступа к Vertex AI.
Источник: Hacker News · Сводку подготовил HeadlinesBriefing