Google Cloud AI Research 等 · 论文与开源项目 · 阅读原文
原始来源：Google Cloud AI Research 等 · 论文与开源项目
Harness² 固定基础模型权重，改动的是提示、记忆、工具指导、技能与子 Agent 等运行组件。内层先提出修改，在匹配条件下试跑候选，再比较执行行为并组合修改；外层把采用过的组件与经验留下来，指导后续任务如何改进。作者在三项专业工作基准、四种模型与框架配置上报告收益，其中 WorkBuddy-Bench 单步改进最高 11.5 分。这里的“无需标准答案”指改进过程；最终效果仍由基准评分评价。
编辑分析：值得关注的是把“怎样改框架”本身变成可积累经验，而不是只继承上一个任务的整套配置。但作者也承认，试跑增加计算成本，行为对比和模型判断可能共享偏差，不能保证改动正确或迁移有效。仓库进一步提醒，默认网络访问等设置可能接触网上评分资料，复现实验必须说明环境；这是一项配置风险提示，不是已经证明结果受到污染。
可信度 65 · 重要性 75 · 新颖度 68
技术与主题
Agent 系统 · 评测与基准 · Harness · Recursive Improvement · Contrastive Probing · Experience Library
编辑评读
值得关注的是把“怎样改框架”本身变成可积累经验，而不是只继承上一个任务的整套配置。但作者也承认，试跑增加计算成本，行为对比和模型判断可能共享偏差，不能保证改动正确或迁移有效。仓库进一步提醒，默认网络访问等设置可能接触网上评分资料，复现实验必须说明环境；这是一项配置风险提示，不是已经证明结果受到污染。