# Harness² améliore les agents LLM sur des tests professionnels

> Des chercheurs présentent un système récursif qui améliore les résultats de GLM‑5 et Gemini 3.5 Flash sur trois batteries de tests.

Oossa · 2026-10-14 · https://oossa.com/fr/harness2-framework-improves-llm-agents-on-professional-benchmarks

Une équipe dirigée par Yanfei Chen a publié Harness², un framework prêt à l’emploi qui affine automatiquement le code exécutant les agents fondés sur de grands modèles de langage. Le système repose sur deux niveaux de récursion : à l’échelle d’une tâche, il propose et teste des modifications sans avoir besoin de réponses de référence ; à l’échelle du framework, il tire des enseignements de ces modifications pour les tâches suivantes. Lors de tests sur trois benchmarks professionnels, une seule étape de récursion a augmenté les scores de GLM‑5 et Gemini 3.5 Flash de jusqu’à 11.5 points sur WorkBuddy‑Bench, 4.5 points sur JobBench et 11.8 points de pourcentage sur LAB.

## Les faits

- Article publié sur arXiv le 2026‑10‑14
- Amélioration pouvant atteindre 11.8 points de pourcentage sur le benchmark LAB

## Pourquoi c'est important

Cette méthode pourrait permettre aux assistants IA de s’adapter à de nouvelles tâches concrètes sans code ajusté manuellement, au bénéfice des développeurs qui déploient des agents LLM dans des environnements en constante évolution.

## Sources et références

1. [Harness^2: Recursive Agent Harnessing for an Open World](https://arxiv.org/abs/2610.14224) – arXiv, 2026-10-14

Dernière mise à jour: 2026-10-14