dair_ai· @dair_ai · X·· 4 小时前AI 评分
Google 论文 Harness^2 提出递归式 agent harness 优化方法
DAIR.AI 推荐 Google 关于 recursive agent harnessing 的论文 Harness^2（arxiv.org/abs/2610.14224）。
大家要学会构建自定义 harness（框架）！
这里有一篇 Google 出品的、强烈推荐的论文，讲的是递归式 agent harness。
如果你在做 harness 的迭代优化，这篇会带来很棒的洞见。
论文还对递归式自我改进以及为开放世界任务演化 harness 进行了重要讨论。
他们聚焦于在测试时、无需验证器的情况下改进你的 agent harness，这带来了有趣的扩展特性。
Harness^2 针对当前任务提出若干 harness 修改方案，让它们相互比测，保留效果最好的组合。这些修改带来的经验教训，会进一步更新到第二个 harness 中，供 agent 带到后续任务使用。
结果：
在 WorkBuddy-Bench、JobBench 和 LAB 上，所有测试配置中 GLM-5 和 Gemini 3.5 Flash 都得到提升。并行运行五个候选修改，在 WorkBuddy-Bench 上还能再提升 2.9 到 3.9 分。
作为记忆基线的 ReasoningBank，在同一对比中于编码任务上比基础 harness 最多低 6.6 分。
arxiv.org/abs/2610.14224
论文对话：academy.dair.ai/papers/harne…
来源：dair_ai · x.com