# Harness² migliora gli agenti LLM nei benchmark professionali

> I ricercatori presentano un sistema ricorsivo che aumenta i risultati di GLM‑5 e Gemini 3.5 Flash in tre serie di benchmark.

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

Un team guidato da Yanfei Chen ha presentato Harness², un framework plug-and-play che perfeziona automaticamente il codice alla base degli agenti basati su modelli linguistici di grandi dimensioni. Il sistema usa due livelli di ricorsione: uno a livello di attività, che propone e verifica modifiche senza bisogno di risposte corrette di riferimento, e uno a livello di harness, che apprende da tali modifiche per affrontare le attività successive. Nei test su tre benchmark professionali, un singolo passaggio ricorsivo ha aumentato i punteggi di GLM‑5 e Gemini 3.5 Flash fino a 11.5 punti su WorkBuddy‑Bench, 4.5 punti su JobBench e 11.8 punti percentuali su LAB.

## I fatti

- Articolo pubblicato su arXiv il 2026‑10‑14
- Miglioramento fino a 11.8 punti percentuali nel benchmark LAB

## Perché conta

Il metodo potrebbe consentire agli assistenti IA di adattarsi a nuove attività del mondo reale senza ricorrere a codice regolato manualmente, a vantaggio degli sviluppatori che impiegano agenti LLM in contesti in evoluzione.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-14