Google 论文 Harness^2：递归自改进 Agent Harness
- 核心论文：Google 论文 Harness^2 提出在测试时递归改进 agent harness，且无需外部 verifier；系统为当前任务生成多个 harness 编辑，互相测试后保留最佳组合，再把经验更新到第二个 harness，供未来任务使用。
- 评测结果：在 WorkBuddy-Bench、JobBench、LAB 上，Harness^2 提升了 GLM-5 与 Gemini 3.5 Flash 的所有测试配置；并行运行五个候选编辑在 WorkBuddy-Bench 上再增加 2.9-3.9 分。
- 对比数据：记忆基线 ReasoningBank 在编码任务中比基础 harness 低最多 6.6 分。
- 行业意义：Agent 能力提升的杠杆从模型权重扩展到可递归优化的 harness 层；无需外部 verifier 的测试时自改进，为开放世界任务提供了新的规模化路径。 🔗 原推文 | 论文 | Chat with Paper
