Команда под руководством Яньфэя Чэня представила Harness² — готовый к использованию фреймворк, который автоматически дорабатывает код, управляющий агентами на базе больших языковых моделей. В системе задействованы два уровня рекурсии: на первом предлагаются и проверяются изменения для конкретной задачи без эталонных ответов, а на втором система учится на этих изменениях, чтобы применять полученный опыт в будущих задачах. В испытаниях на трёх профессиональных наборах тестов один шаг рекурсии повысил результаты GLM‑5 и Gemini 3.5 Flash: максимум на 11.5 балла в WorkBuddy‑Bench, на 4.5 балла в JobBench и на 11.8 процентного пункта в LAB.
Почему это важно
Этот метод позволит ИИ-ассистентам адаптироваться к новым практическим задачам без ручной настройки кода. Это может быть полезно разработчикам, которые используют агентов на базе больших языковых моделей в меняющихся условиях.
