# Harness² से पेशेवर बेंचमार्क पर LLM एजेंटों का प्रदर्शन बेहतर

> शोधकर्ताओं ने एक रिकर्सिव Harness सिस्टम पेश किया है, जिसने तीन बेंचमार्क सूट में GLM‑5 और Gemini 3.5 Flash का प्रदर्शन बढ़ाया।

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

Yanfei Chen की अगुवाई वाली टीम ने Harness² जारी किया है। यह प्लग‑एंड‑प्ले फ्रेमवर्क बड़े भाषा मॉडल (LLM) एजेंटों को चलाने वाले कोड को अपने आप बेहतर बनाता है। सिस्टम में रिकर्सन की दो परतें हैं: टास्क‑स्तर पर यह ऐसा चरण प्रस्तावित करता है और उसके बदलावों को परखता है, जिसके लिए सही उत्तर पहले से जानना ज़रूरी नहीं; वहीं Harness‑स्तर पर यह उन बदलावों से सीखकर आगे के कामों में उनका लाभ उठाता है। तीन पेशेवर बेंचमार्क पर परीक्षण में, रिकर्सन के एक चरण से GLM‑5 और Gemini 3.5 Flash के स्कोर WorkBuddy‑Bench पर 11.5 अंक तक, JobBench पर 4.5 अंक तक और LAB पर 11.8 प्रतिशत अंक तक बढ़े।

## तथ्य

- पेपर 2026‑10‑14 को arXiv पर पोस्ट किया गया
- LAB बेंचमार्क पर 11.8 प्रतिशत अंक तक सुधार

## यह क्यों मायने रखता है

इस तरीके से AI सहायक हाथ से कोड में बदलाव किए बिना, वास्तविक दुनिया के नए कामों के अनुरूप ढल सकते हैं। बदलते माहौल में LLM एजेंट तैनात करने वाले डेवलपर इससे लाभ उठा सकते हैं।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-14