Google 论文 Harness²:无验证器下递归进化 agent harness,最高提升 11.5 分
dair_ai · x · 2026-10-15
dair-ai 推荐 Google 的论文 HARNESS²: Recursive Agent Harnessing for an Open World(Google Cloud AI Research 与西北大学)。
- 核心问题:LLM agent 能力不仅取决于模型,还取决于执行 harness(提示、记忆、技能、工具编排);开放式任务没有 ground-truth 验证器,难以在线改进 harness。
- 两层递归设计:
- 任务级递归:用对比式的 Propose–Probe–Compose 步骤为当前任务生成多个 harness 修改候选,互相测试后保留最优组合,无需验证器即可可靠引导编辑,支持并行/串行扩展。
- harness 级递归:从编辑经验中持续更新一个「改进 harness」,让 agent 把经验带到未来任务。
- 结果:在 WorkBuddy-Bench、JobBench、LAB 三个专业基准上,GLM-5 与 Gemini 3.5 Flash 所有配置均获提升——WorkBuddy-Bench 最高 +11.5 分、JobBench +4.5 分、LAB +18.8 个百分点;并行跑 5 个候选编辑(k=5)在 WorkBuddy-Bench 再加 2.9–3.9 分,随预算增加持续增益,优于 ReasoningBank 记忆基线。
- 论文涉及递归自我改进(RSI)与开放式任务中进化 harness 的讨论,代码开源于 github.com/google-research/harness2。
所属事件:Google 发布 Harness²：递归自进化 Agent 框架(2 条相关)→
「编程与Agent」频道最新
- Marc Lou 公开安利 PostShiba：独立开发者的邮件基础设施新选择 — marclou · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- 开发者把 Pstack skills 装进 Grok bot 与 Hermes agents — alexcovo_eth · 2026-10-16
- past.dev 推出 Agent 长期记忆 API,登顶 BEAM 公开记忆基准 — thisiskp_ · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- mitsuhiko：让 AI 直接写多人联机，意外学会 PeerJS — mitsuhiko · 2026-10-16