Harness²: Google Research optimiert Agent-Harnesses rekursiv

Das Drumherum optimieren statt das Modell

Ein Harness ist alles, was ein Modell zum Agenten macht: Prompts, Tools, Memory, Skills und Orchestrierung. Google Research veröffentlicht mit Harness² ein Apache-2.0-Framework, das dieses System automatisch verbessert, während die Modellgewichte unverändert bleiben.

Zwei Ebenen der Rekursion

• Task-Ebene: Für die aktuelle Aufgabe werden Änderungen vorgeschlagen (Propose), per Probe-Läufe getestet und zu einem verbesserten Harness zusammengesetzt (Compose). Grundlage sind Verhaltensunterschiede zwischen den Ausführungen, kein Ground-Truth-Feedback nötig.
• Harnessing-Ebene: Ein dauerhafter „Improvement Harness“ sammelt übernommene Harnesses und belegte Erkenntnisse und steuert damit künftige Verbesserungen.

Bearbeitbar sind acht Komponenten: System Prompt, Guardrails, Memory, Tool-Guidance, Subagents, Skills, Scripts und Plugins.

Ergebnisse und Umfang

Laut README verbessert bereits ein einziger Harness²-Schritt GLM-5 und Gemini 3.5 Flash gegenüber ihren Basis-Harnesses: bis zu 11,5 Punkte auf WorkBuddy-Bench, 4,5 auf JobBench und 11,8 Prozentpunkte bei LAB. Ein größeres Rekursionsbudget bringt weitere Gewinne. Unterstützt werden parallele und sequenzielle Rekursion, OpenCode- und Codex-Executor sowie die drei genannten Benchmarks. Zum Projekt gehören ein Paper auf arXiv und eine eigene Projektseite.

Quelle: Harness² auf GitHub