Harness²框架
2 节点1 篇3 来源
谷歌开源了名为 Harness² 的递归智能体框架，旨在解决大模型在开放世界任务中执行脚手架（Harness）难以自动优化的问题。该框架通过“任务级”与“改进级”双层递归机制，让 AI 代理在无标准答案的情况下自主修改提示词、工具链等组件，并将经验沉淀为元能力。实测显示，装配该框架的 GLM-5 在 WorkBuddy-Bench 基准上得分提升 11.5 分，反超原生 Gemini 3.5 Flash。这一进展表明，优化模型外围的执行系统可能比单纯扩大基座模型参数更具边际效益。
事情怎么走到这一步
谷歌发布并开源 Harness² 框架，提出双层递归架构以实现在无地面真值反馈下的运行时自我改进。
qbitai.com ↗GitHub 仓库 google-research/harness2 上线，提供 Apache-2.0 许可的代码及 OpenCode/Codex 支持。
github.com ↗
还没定论的部分
- Harness² 的经验库跨领域迁移效果在更复杂的真实业务场景中是否依然稳定？
- 随着并行递归预算 k 值的增加，计算成本与性能提升之间的边际效益曲线如何变化？
- 该框架对非谷歌生态模型（如本地部署模型）的支持程度及兼容性表现如何？