Harness^2: Рекурсивное улучшение агентов без верификаторов

Проблема открытых миров

Способность LLM-агентов выполнять сложные задачи зависит не только от базовой модели, но и от их «шасси» (harness) — набора инструкций и инструментов исполнения. Проблема в том, что в реальных сценариях (open-world) агенты сталкиваются с неизвестными задачами, для которых нет ground-truth верификаторов. Традиционные методы рекурсивного самосовершенствования (RSI) часто застревают в узкой специализации и не обобщаются на новые сценарии.

Архитектура Harness^2

Авторы предлагают plug-and-play решение с двумя уровнями рекурсии:

• Task-level recursion: Улучшение текущего шасси через контрастную процедуру Propose-Probe-Compose. Это позволяет редактировать инструкции без наличия эталонных ответов.
• Harnessing-level recursion: Извлечение опыта из предыдущих улучшений для обновления «непрерывно улучшаемого шасси», что помогает агенту адаптироваться к будущим задачам.

Результаты бенчмарков

Эксперименты проводились на моделях GLM-5 и Gemini 3.5 Flash. Даже один шаг рекурсии стабильно превосходил базовые шасси. Ниже приведены ключевые метрики прироста точности:

Значение для индустрии

Работа демонстрирует, что автоматизация настройки агентов возможна даже в условиях неопределенности. Увеличение бюджета рекурсии на уровне задач дает дополнительные приросты, что открывает путь к созданию самообучающихся систем, способных работать в динамичной среде без постоянного вмешательства человека.

Источник: arXiv cs.AI ↗