# Harness²框架提升LLM智能体的专业基准测试成绩

> 研究人员推出递归式Harness系统，在三套基准测试中提升了GLM‑5和Gemini 3.5 Flash的表现。

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

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。

## 事实

- 论文于2026‑10‑14发布在arXiv上
- 在LAB基准测试中的提升最高达11.8个百分点

## 为什么重要

这种方法有望让AI助手无需人工调整代码，就能适应新的现实任务；对于在不断变化的环境中部署LLM智能体的开发者而言，这可能带来帮助。

## 来源与参考

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

最后更新: 2026-10-14