Google 开源 Harness² 智能体优化框架
先了解这件事
Google Research 开源了递归式智能体优化框架 Harness²（v0.1.0，Apache-2.0），代码托管在 google-research/harness2。它在冻结模型权重的前提下，迭代调整系统提示词、工具指南、记忆、技能等 8 个外围组件，并用 Propose–Probe–Compose 对比机制和跨任务持久库实现递归自我改进，面向缺少 ground-truth 验证器的开放任务。Google 称，基准测试中最高提升 11.5 分。 使用条件因运行方式而异：本地演示无需模型凭证即可运行两种递归模式；接入模型的运行需要 Node.js 20+、Google Cloud CLI 和 Vertex AI 项目；LAB 需要 Pandoc 和 Poppler；WorkBuddy-Bench 需要 Docker。
AI 根据报道生成 · 48 分钟前更新
事件进展
3 个进展
- 10月18日 17:39 · 1 篇报道谷歌发布开源智能体框架Harness²RadarAI：谷歌发布开源智能体框架 Harness²，可动态调整提示词与工具配置
- 10月18日 16:07 · 2 篇报道Google Research 开源智能体优化框架 Harness²RadarAI：Google Research 开源递归式智能体优化框架 Harness²
- 10月18日 10:55 · 3 篇报道Google 发布 Harness² 智能体优化框架RadarAI：Google Cloud AI Research 开源递归式 Agent 框架 Harness²
报道时间线
沿着报道，了解事件的不同侧面。
- RadarAI谷歌发布开源工具 Harness²，让 Agent 自动优化控制系统
谷歌发布开源工具 Harness²，使 AI Agent 在执行任务时自动优化其控制系统，无需手动调整模型权重或提示词。该工具通过迭代提出、测试和合成不同系统配置来提升效率，并采用任务级递归实时优化当前作业、Harness 级递归长期积累执行策略的两层机制。
- RadarAI谷歌发布开源智能体框架 Harness²，可动态调整提示词与工具配置
谷歌推出开源框架 Harness²，让 AI 智能体在不修改底层模型权重的前提下自主优化自身的操作配置（harness）。该框架会迭代评估并调整提示词、工具和记忆结构，以任务结果为依据比较候选 harness 版本并保留成功策略，从而在多个专业领域实现持续改进。
- RadarAIGoogle Cloud AI Research 开源递归式 Agent 框架 Harness²
Google Cloud AI Research 开源 Harness²（v0.1.0，Apache-2.0），这是一个递归式 Agent harnessing 框架，在模型权重冻结的情况下迭代优化提示词、工具、记忆、技能等 8 个 harness 组件。
- RadarAIGoogle Research 开源 Harness² 递归式智能体优化框架
Google Research 开源 Harness² 递归式智能体优化框架，通过 Propose–Probe–Compose 对比机制和跨任务持久库实现递归自我改进。该框架针对测试时缺少 ground-truth 验证器的反馈困境，以及递归自我改进中的任务特化问题。
- RadarAI精选Google Research 开源递归式智能体优化框架 Harness²
Google Research 开源了递归式智能体 Harness 优化框架 Harness²，代码地址为 https://github.com/google-research/harness2，用于在无 ground-truth 验证器的开放任务中改进 harness。
- RadarAIGoogle 开源 Harness² 框架，无需修改模型权重即可提升 AI 智能体表现
Google 发布 Harness² 智能体优化框架，通过自动调整系统提示词、工具指南、记忆和子智能体等 8 个外围组件提升任务表现，无需改动底层模型权重。该框架采用双层递归机制，在无标准答案反馈时也能优化当前任务执行，基准测试中最高提升 11.5 分。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月18日 20:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。