西北大学与谷歌提出智能体框架自进化方法
原标题：New Northwestern and Google paper shows that agent harnesses can improve themselves on new tasks wit...
78AI 研判分
西北大学与谷歌联合论文提出 Harness2，让智能体在无标准答案的新任务上通过试跑候选修改并保留有效改动来自动优化其框架（提示词、工具、技能与记忆）。单步改进使 GLM-5 在 WorkBuddy-Bench 上提升 11.5 分，超过原生框架下的 Gemini 3.5 Flash；而未经试跑验证的框架编辑反而使编码分数从 73.4 跌至 63.2。
报道正文
Rohan Paul (@rohanpaul_ai) · 2026-11-15 00
西北大学和谷歌的新论文表明，agent harness 可以在没有答案的情况下，通过试运行修改并保留有效的部分，从而在新任务上实现自我改进。
agent 的 harness 是围绕模型构建的提示词、工具、技能和记忆。手动调优它很慢，而且新的现实世界任务没有可供调优的答案。
Harness2 运行 agent，让编辑模型提出 harness 修复方案，然后重新运行任务，看看哪些修复改善了 agent 的行为。每个任务的经验教训会进入一个库，用于指导下一个任务的编辑。
单次改进步骤将 GLM-5 的 WorkBuddy-Bench 分数提高了 11.5 分，超过了使用原生 harness 的 Gemini 3.5 Flash。相反，在没有这些试运行的情况下编辑 harness，编码分数从 73.4 下降到 63.2。
将你的 agent 的 harness 视为需要针对每个任务进行修订的东西，并且只保留那些在真实运行中改变其行为的编辑。
