Google Research 开源了 Harness²让 Agent 自己改外面那层配置，跑一轮就在 WorkBuddy-Bench 上最多涨了 11.5… · @NFTCPS · TwKit

@NFTCPS

Google Research 开源了 Harness²让 Agent 自己改外面那层配置，跑一轮就在 WorkBuddy-Bench 上最多涨了 11.5 分。 它把模型外围拆成 8 个能改的部件：系统提示词、护栏、记忆、工具说明、子 Agent、Skill、脚本和插件。 做法是先提出几种改法，在同一个任务上各跑一遍，再根据几次执行的差异拼出更好的配置。整个过程不需要标准答案。 每个任务跑完，最后采用的配置和有证据支撑的经验都会存下来，后面的任务接着用。 测试模型是 GLM-5 和 Gemini 3.5 Flash。JobBench 最多提升 4.5 分，LAB 部分通过率最多提升 11.8 个百分点。 上手前提醒一句：执行器默认不限制联网。评测前最好先锁网，免得 Agent 直接搜到评分标准。 🔗 https://github.com/google-research/harness2

曝光 624 · 评论 3 · 点赞 4 · 书签 0