Google Cloud AI Research cuenta con Harness² de código abierto. Se trata de un marco recursivo de aprovechamiento de agentes que mejora el código y los archivos en torno a un modelo inactivo. Para los desarrolladores, el argumento es sencillo. Es posible que su agente mejore sin un modelo mejor.

TL; DR

• Tamaño: un marco, no un modelo. 0 parámetros entrenados; 8 componentes de arnés editables. Versión 0.1.0
.
• Funciona en: Linux con Python 3.12 o 3.13 y uv. El modelo ejecuta modelos de llamadas a través de Vertex AI. Requisito de GPU: no se divulga
.
• Rendimiento: 1 paso de refinamiento mejoró las 4 configuraciones de modelos y arneses en los 3 puntos de referencia.
• Lo mejor: el GLM-5 con OpenCode pasó de 64,2 a 75,7 en WorkBuddy-Bench (+11,5 puntos).
• Lo peor: según el Codex, el GLM-5 ganó solo 1,2 puntos en JobBench (de 23,6 a 24,8).

¿Qué es Harness²?

Harness² es un marco listo para usar de Google Research que perfecciona la capacidad de un agente durante la implementación. Un arnés abarca todo lo relacionado con el modelo: instrucciones, herramientas, memoria, habilidades y orquestación. Aprovechar es el proceso de optimización de ese sistema. Los pesos de los modelos nunca cambian

El objetivo es el mundo abierto. Las tareas llegan sin ser vistas, y ningún verificador comprueba si una respuesta es correcta. El equipo de investigación sostiene que la mayoría de los métodos de superación personal asumen etiquetas o casos de prueba. Harness² está diseñado para funcionar sin ellos.

¿Cuáles son los 8 componentes del arnés?

Harness² expone 8 componentes editables, cada uno montado como un archivo:

1. Mensaje del sistema
2. Barandas
3. Memoria
4. Guía de herramientas
5. Subagentes
6. Habilidades
7. Guiones

Abarcan la construcción del contexto, la interfaz de la herramienta, la delegación y el comportamiento dentro del ciclo de herramientas. El diseño amplía la división de 7 archivos del trabajo anterior de Agentic Harness Engineering

¿Cómo funciona el aprovechamiento recursivo de agentes?

El marco ejecuta dos niveles de recursión enlazados:

La
• recursión a nivel de tarea utiliza un paso contrastivo de Proponer, Probar y Componer. En primer lugar, el agente ejecuta la tarea una vez con el arnés base. Luego, un editor propone 2 candidatos. El candidato invariante se centra en las fallas generales de los agentes, como la planificación o el uso de herramientas. El dominio candidato se centra en los conocimientos y procedimientos del dominio actual. Ambos candidatos se postulan para la misma tarea. El compositor compara sus trayectorias con la referencia y solo conserva las ediciones respaldadas por el comportamiento observado
. La
• recursión a nivel de aprovechamiento se produce después de cada tarea. Un reflector almacena el arnés adoptado y un archivo de lecciones de Experience.md. Esta biblioteca guía las propuestas futuras. Cada nueva tarea sigue partiendo del arnés base.

El presupuesto k escala la búsqueda. El modo paralelo sondea k candidatos invariantes y de k dominios y, a continuación, crea k composiciones. El modo secuencial encadena k

¿Cuál es el rendimiento de Harness² en los puntos de referencia?

El equipo de investigación probó 3 puntos de referencia profesionales: WorkBuddy-Bench, JobBench y Harvey's LAB. Los ejecutores fueron Gemini 3.5 Flash y GLM-5 con OpenCode y Codex. El editor predeterminado era Claude Opus 4.8. Los resultados son medias de más de 3 corridas

Fuente: documento Harness², tablas 1 y 2.

ejecutores más débiles ganaban más. Después de 1 paso, GLM-5 superó a la base Gemini 3.5 Flash en WorkBuddy-Bench. La recursión paralela en k=5 elevó a Gemini bajo OpenCode a 80,8 en WorkBuddy. En Workbuddy-bench, 3 de las 4 configuraciones también utilizaban menos pasos por tarea. Con OpenCode, Gemini cayó

*Los puntajes se midieron en el artículo de Harness²; los demás métodos no proporcionaron estos puntos de referencia por sí mismos.

¿Cómo se instala y ejecuta Harness²?

El archivo README está dirigido a Linux, Python 3.12 y uv. Una demostración local ejecuta ambos modos de recursión sin

uv venv --python 3.12 .venv
source .venv/bin/activate
uv pip install -e '. [renderizar] '
harness2-demo --output runs/demo --k

ejecuciones respaldadas por modelos necesitan Node.js 20+, la CLI de Google Cloud y un proyecto de Vertex AI. LAB necesita Pandoc y Poppler. WorkBuddy-Bench necesita Docker.

Conclusiones clave

• Harness² reescribe el arnés de un agente en el momento de la prueba; las pesas permanecen congeladas.
• Un escalón elevó al GLM-5 en 11,5 puntos en WorkBuddy-Bench.
• Propose, Probe, Compose reemplaza las etiquetas fundamentales de verdad por contrastes de comportamiento.
• Una biblioteca de lecciones contiene mejoras para las tareas futuras.
• Prepárate para ejecutar más tareas por tarea y compártela tú mismo.

Consulta la página de Paper, Repo, Paper y Project de GitHub. Todo el mérito es para el investigador de este proyecto. Además, siéntete libre de seguirnos en Twitter y no olvides unirte a nuestro subReddit de más de 150 000 ml y suscribirte a nuestro boletín. ¡Espera! ¿Estás en Telegram? ahora también puedes unirte a nosotros en Telegram.

The post Google Open-Sources Harness2, un marco de aprovechamiento de agentes recursivos appeared first on MarkTechPost.