# Harness² повышает результаты ИИ-агентов в профессиональных тестах

> Исследователи представили рекурсивную систему Harness², которая улучшает результаты GLM‑5 и Gemini 3.5 Flash в трёх наборах тестов.

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

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.

## Факты

- Статья опубликована на arXiv 2026‑10‑14
- Результат в тесте LAB улучшился максимум на 11.8 процентного пункта

## 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.

## Источники и ссылки

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

Обновлено: 2026-10-14