@Xudong07452910：智能体自我修改 Harness：最难的其实不是「怎么修改它」，而是……

X AI KOLs Timeline 论文
ai-agents self-improvement harness-optimization open-world-environments google-research meta-learning

摘要

Google 的 Harness² 论文研究智能体在开放世界环境中对自身 Harness 的自进化，采用双层递归机制：无需标准答案即可通过行为对比筛选有效修改，并将修改过程本身总结为经验以指导未来任务，在多个基准上显著提升 GLM-5 和 Gemini 3.5 Flash 的性能。

智能体自我修改 Harness：最难的其实不是「怎么修改它」。 难点在于：在没有标准答案的情况下，如何判断这次修改是否真的带来了改进。 Google 团队的 Harness² 论文专门研究了智能体在开放世界环境中对自身 Harness 的自进化。 它设计了一套双层递归机制。 第一层针对当前任务：先提出对 Harness 的修改方案，然后让新旧版本在完全相同的条件下执行，再根据行为差异来判断哪些改动值得保留。 换句话说，它不依赖 ground-truth 验证器，而是利用真实的执行结果来指导修改。 第二层更有意思： 每次修改 Harness 的过程本身也会被总结为经验，记录遇到了什么问题、采用了什么修改、为什么有效，然后用这些经验来指导后续的新任务。 因此它积累的不只是一个更好的 Harness，还有「怎么修改 Harness」这件事本身的实践。 在 WorkBuddy-Bench、JobBench 和 Legal Agent Benchmark 上，仅一轮改进就能稳步提升 GLM-5 和 Gemini 3.5 Flash 的表现，最大提升分别为 11.5、4.5 和 11.8 个百分点；继续加大递归预算还能进一步提升性能。 我更关注的是第二层递归。 单次调好一个 Agent 并不难；真正接近长期自我进化的是，系统开始积累「过去自己是怎么调好的」这类经验。 Harness² 的关键进步，是让改进机制本身开始拥有记忆。 📎 arxiv:
查看原文
查看缓存全文

缓存时间: 2026/10/16 02:18

Agent 自修改 Harness：最难的不是“怎么改“

而是在没有标准答案的情况下，怎么知道这次修改是不是真的变好了。

Google 团队的 Harness2 论文专门研究了开放世界环境中 Harness 的自我进化。

它设计了一套双层递归机制。

第一层针对当前任务：先对 Harness 提出修改方案，然后让新旧版本在相同条件下执行，根据行为差异判断哪些改动值得保留。

也就是说，它不依赖 ground-truth 验证器，而是用真实执行结果来引导修改。

第二层更有意思：

每次修改 Harness 的过程本身也会被总结为经验，记录遇到了什么问题、采用了什么修改、为什么有效，然后用这些经验来指导未来的新任务。

所以它积累的不只是一个更好的 Harness，还有**“怎么修改 Harness“这件事本身的实践方法**。

在 WorkBuddy-Bench、JobBench 和 Legal Agent Benchmark 上，单轮改进就能稳定提升 GLM-5 和 Gemini 3.5 Flash，最大涨幅分别为 11.5、4.5 和 11.8 个百分点；继续增加递归预算还能进一步提升性能。

我更关注的是第二层递归。

在单次实例中把 Agent 调优得更好并不难；真正接近长期自我进化的，是系统开始积累**“我过去是怎么把自己调好的”**这一经验。

Harness2 的关键进步在于：让改进机制本身开始有了记忆。

📎 arxiv:

相似文章

用于递归自我改进的 Google Harness²（GitHub 仓库）

TLDR AI

Google Research 开源了 Harness²，这是一个实现递归式智能体框架优化的即插即用框架。它可在模型权重固定的情况下，通过“提出–探测–组合”循环持续改进智能体运行框架，在多个专业基准测试中带来最高 11.8 个百分点的性能提升。

Harness^2：面向开放世界的递归智能体框架优化

Hugging Face Daily Papers

Harness² 提出了一种即插即用的递归智能体框架（Recursive Agent Harnessing），通过任务级与框架级两层递归改进，在无 ground-truth 验证器的开放世界场景中自动优化智能体执行框架，并在多个专业基准上显著提升了 GLM-5 与 Gemini 3.5 Flash 的表现。

@NFTCPS: HarnessX这玩意儿挺有意思：一个能自己改自己的智能体架构。 以前架构怎么变，全靠人手调。新模型一出，Anthropic就把Claude Code里的规划步骤砍了，Manus半年重构了五次智能体，每次都在做减法。改什么、什么时候改，一…

X AI KOLs Timeline

HarnessX introduces a framework for self-evolving AI agent harnesses that treats the runtime harness as a first-class object, enabling automatic adaptation via trace-driven reinforcement learning. It achieves average gains of +14.5% across five benchmarks, with larger improvements for weaker models.