Northwestern and Google paper proposes a way to improve agent harnesses for new tasksMachine translation

西北大学与谷歌的一篇新论文表明，智能体的运行框架无需标准答案，也能通过试运行修改并保留有效改动，在新任务上自我改进。

智能体的运行框架是围绕模型配置的提示词、工具、技能和记忆。手动调整这一框架很慢，而新的真实世界任务也没有可供对照调整的标准答案。

Harness2先运行智能体，让一个编辑模型提出运行框架的修正方案，然后重新运行任务，检验哪些修正改善了智能体的行为。每项任务中获得的经验都会进入一个经验库，用来指导下一项任务的修改。

经过一次改进，GLM-5在WorkBuddy-Bench上的得分提高了11.5分，超过了使用原版运行框架的Gemini 3.5 Flash。相反，如果修改运行框架时不进行这些试运行，编程任务得分会从73.4降至63.2。

应把智能体的运行框架视为需要针对每项任务修订的配置，并且只保留那些在实际运行中改变其行为的修改。