Google 提出 Harness²：递归自进化 agent 执行框架，最高涨 11.8 分
google · hf · 2026-10-14
Northwestern 与 Google Cloud AI Research 发布论文 Harness²: Recursive Agent Harnessing for an Open World，指出 LLM agent 的能力不只取决于底层模型，也取决于执行 harness，并提出用递归自改进（RSI）自动演化 harness：
- 核心挑战：开放世界任务在设计期未见、无 ground-truth 验证器来指导在线修改；且传统 RSI 高度任务特化、难以泛化
- 双层递归架构：
- Task-level recursion：用对比式 Propose–Probe–Compose 步骤在无验证器情况下可靠地改进当前任务的 harness，可并行/串行扩展
- Harnessing-level recursion：从这些修改中抽取经验，持续更新一个「改进 harness」，使 agent 更好适应未来任务
- 效果：在 3 个专业 benchmark、4 种模型-harness 配置上，单步即可稳定提升 GLM-5 与 Gemini 3.5 Flash：WorkBuddy-Bench 最高 +11.5 分、JobBench +4.5 分、LAB +11.8 个百分点，且随任务级递归预算增加仍有进一步增益
「编程与Agent」频道最新
- GraphicalUI 获好评:自动整理混乱组件并生成设计系统 — ow · 2026-10-14
- XERJ Corpus Hub:给 agent 挂上专家知识库,Rust 代码质量立涨 — HeyAmit_ · 2026-10-14
- 一条指令调度多个 Grok bots:自主找缺口并行改进 — elonmusk · 2026-10-14
- 把一句话 prompt 发给你的 AI 参谋长:让所有 bot 主动找活干 — elonmusk · 2026-10-14
- DigitalOcean 开放智能峰会:Nous Research 谈去单一厂商依赖 — HeyAmit_ · 2026-10-14
- 「让我的 Bot 联系你的 Bot」:Grok Bot 邮件互通的五种玩法 — elonmusk · 2026-10-14