Rohan Paul (@rohanpaul_ai) · 2026/10/22 12:00:04
谷歌论文提出 OO-Harness 智能体任务专用架构提升性能
出处作者 / 发布主体：Rohan Paul (@rohanpaul_ai)原标题：New Google paper shows that agents score higher when each task gets a specialized harness from a sh...
78AI 研判分
核心综述
谷歌最新研究提出 OO-Harness 框架，通过为不同任务簇生成继承自父类的专用代码化 Harness，替代单一全局配置。在 AutomationBench 测试中，该架构将业务工作流得分从 61.62% 提升至 77.41%，且在陌生应用上保持稳健，避免了全局优化导致的性能衰退。
报道全文原始报道全文
Rohan Paul (@rohanpaul_ai) · 2026-10-22 04
谷歌最新论文表明，当每个任务都从共享家族中获取专用框架（harness）时，智能体得分更高，而非使用单一的全局框架。
智能体框架是指围绕模型构建的提示词、工具和控制代码。大多数调优方法都在演化一个全局框架，但针对某一类任务的修复可能会损害另一类任务的表现。
OO-Harness 将框架演化为代码类，每个专家型框架继承自父类，并仅修改其所属集群所需的部分。路由器会读取一次标准的基线运行结果，然后选择调用某个专家型框架，或保留基线结果。
在 AutomationBench 业务工作流测试中，OO-Harness 得分为 77.41%，而基线框架为 61.62%，全局方法 Meta-Harness 为 63.92%。在不熟悉的应用场景中，它保留了基线框架，维持了 59.18% 的通过率；而 Meta-Harness 的全局框架则降至 44.90%。
对于混合工作负载，建议保留基线框架作为回退方案，仅在运行结果显示出现已知问题时才路由至专家型框架。
