# Harness², 전문 벤치마크서 LLM 에이전트 성능 높여

> 연구진이 재귀형 하네스 시스템을 공개했다. GLM‑5와 Gemini 3.5 Flash의 벤치마크 3종 성능을 끌어올린다.

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

Yanfei Chen이 이끄는 연구팀은 대규모 언어 모델 에이전트를 구동하는 코드를 자동으로 개선하는 플러그앤플레이 프레임워크 Harness²를 공개했다. 이 시스템은 두 단계의 재귀 구조를 사용한다. 첫 단계에서는 정답을 알 필요 없이 작업별 수정안을 제안하고 시험하며, 두 번째 단계에서는 해당 수정 결과를 학습해 이후 작업에 활용한다. 전문 벤치마크 3종을 대상으로 한 테스트에서 재귀 단계를 한 번 적용하자 GLM‑5와 Gemini 3.5 Flash의 점수가 WorkBuddy‑Bench에서 최대 11.5점, JobBench에서 4.5점, LAB에서 11.8 percentage points 상승했다.

## 팩트

- 논문은 2026‑10‑14 arXiv에 게시됐다
- LAB 벤치마크에서 최대 11.8 percentage points 향상

## 왜 중요한가

이 방법을 활용하면 AI 비서를 손으로 코드를 조정하지 않고도 새로운 현실 세계의 작업에 적응시킬 수 있어, 변화하는 환경에 LLM 에이전트를 배포하는 개발자에게 도움이 될 수 있다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-14