一句话定位
Harness² 是 Google 研究团队发布的方法主页,全称 Recursive Agent Harnessing for an Open World,研究的是 Agent 脚手架本身如何被递归改进。它不改动模型权重,而是把提示词、工具说明、记忆等八个脚手架组件交给两级递归流程反复改写:先从执行结果里学习,再从改进过程本身学习,让智能体在基准任务上的产出从看似合理的答案走向经过检查的交付物。
收录信息
| 项目 | 内容 |
|---|---|
| 站点类型 | Agent 脚手架优化方法的研究项目介绍页 |
| 界面语言 | 英文 |
| 是否需注册 | 站点未标注 |
| 收费模式 | 站点未标注 |
| 支持设备 | 网页端,浏览器直接访问 |
适合谁用
- 在做智能体应用、想了解不动模型权重也能提升表现的思路的工程师
- 关注自动化评测与基准测试方法、需要对照实验结果的研究者
- 写论文时需要引用这项工作、要取标准引用条目的作者
主要入口
打开后首屏是方法全称与主标题,顶部导航排布几个固定入口:Method 通向方法说明,讲两级递归与八个组件如何配合;Explore the method 通向方法的展开介绍;
Results Citation 部分给出实验结果与引用方式;BibTeX 提供现成的论文引用条目。
正文按章节往下排,依次讲到执行学习、任务级递归、八个组件、模型权重保持不变这些主题,单页读完即可形成完整印象。
同类对照
- 与直接提供智能体运行时的框架相比,Harness² 不替你执行任务,它研究脚手架本身如何被递归优化。
- 与微调或调参路线相比,它的模型权重完全冻结,全部改动落在提示词、工具说明与记忆等组件上。
- 与一般论文主页相比,它把方法、结果与引用说明收进同一个单页,BibTeX 直接可取。
