Ett team lett av Yanfei Chen har lanserat Harness², ett plug-and-play-ramverk som automatiskt förfinar koden som styr agenter baserade på stora språkmodeller. Systemet använder två rekursiva nivåer: ett steg på uppgiftsnivå som föreslår och testar ändringar utan att behöva facitsvar, och ett steg på ramverksnivå som lär sig av ändringarna inför framtida uppgifter. I tester på tre yrkesinriktade benchmarktester höjde ett enda rekursionssteg resultaten för GLM‑5 och Gemini 3.5 Flash med upp till 11.5 poäng på WorkBuddy‑Bench, 4.5 poäng på JobBench och 11.8 procentenheter på LAB.
Varför det spelar roll
Metoden kan göra det möjligt för AI-assistenter att anpassa sig till nya uppgifter i verkligheten utan specialskriven kod, vilket kan gynna utvecklare som använder LLM-agenter i miljöer som förändras.
