Harness²框架提升LLM智能体的专业基准测试成绩

由Yanfei Chen带领的团队发布了Harness²。这是一款即插即用框架，可自动改进运行大型语言模型智能体的代码。系统采用两层递归：任务层会提出并测试代码修改，无需标准答案；Harness层则从这些修改中学习，以便用于后续任务。在三项专业基准测试中，经过一次递归，GLM‑5和Gemini 3.5 Flash的成绩在WorkBuddy‑Bench上最高提升11.5分，在JobBench上最高提升4.5分，在LAB上最高提升11.8个百分点。