Google 研究 Harness²：agent 执行框架递归自我改进，最高提升 11.8 个百分点
burny_tech · x · 2026-10-20
arXiv 论文《Harness^2: Recursive Agent Harnessing for an Open World》（Google 团队，Ruiyao Xu、Yanfei Chen 等）提出在模型权重不变的前提下递归优化 agent 的执行框架（harness：提示词、工具、记忆、技能、编排等）。针对开放世界任务缺乏 ground-truth 验证器的难题，设计了两层递归：- 任务级递归：通过对比式的 Propose–Probe–Compose 步骤——提出 harness 修改、在同一任务上探测效果、根据执行间的行为对比合成精炼 harness——无需标准答案即可可靠指导修改，可并行或串行扩展。- 框架级递归：从各任务的修改中沉淀经验，更新一个持续改进的 improvement harness，帮助 agent 适应未来任务。在三个专业基准和四种模型-框架配置上，单步递归即可稳定超越基础 harness：GLM-5 和 Gemini 3.5 Flash 在 WorkBuddy-Bench 最高提升 11.5 分、JobBench 提升 4.5 分、LAB 提升 11.8 个百分点，且随递归步数继续增长。
所属事件:Google 开源递归自我改进 agent 框架 Harness²(3 条相关)→
「编程与Agent」频道最新
- 研究实锤：仅靠 API 输出即可从 LLM 中提取真实泄露密钥 — nordicinst · 2026-10-20
- SageCut 技能把 Claude 视频质检成本从 $127 压到 16 美分 — _AustinCalvert_ · 2026-10-20
- 用小模型预筛帧，Opus 5.5 视频审查成本降 90% — _AustinCalvert_ · 2026-10-20
- Google 指南：非阻塞工具让语音 agent 首字延迟从 14.4 秒降到 1.2 秒 — rseroter · 2026-10-20
- OpenAI 新模型强化 COBOL、Fortran 等遗留语言迁移能力 — ahelkky · 2026-10-20
- 开源应用让 Codex 直接操控安卓手机,发消息购物先弹审批卡 — 3amae404 · 2026-10-20