Un equipo dirigido por Yanfei Chen presentó Harness², un marco de trabajo listo para usar que refina automáticamente el código que ejecuta agentes basados en modelos de lenguaje grandes. El sistema emplea dos niveles de recursión: uno a nivel de tarea, que propone y prueba cambios sin necesitar respuestas correctas de referencia, y otro a nivel del sistema, que aprende de esos cambios para aplicarlos en tareas futuras. En pruebas con tres conjuntos de evaluación profesional, un solo paso de recursión aumentó las puntuaciones de GLM‑5 y Gemini 3.5 Flash hasta 11.5 puntos en WorkBuddy‑Bench, 4.5 puntos en JobBench y 11.8 puntos porcentuales en LAB.
Por qué importa
El método podría permitir que los asistentes de IA se adapten a nuevas tareas del mundo real sin necesidad de ajustar el código manualmente, lo que beneficiaría a los desarrolladores que implementan agentes LLM en entornos cambiantes.
