北京时间11月20日,谷歌发布论文《Harnesses That Improve Themselves》(《能够自我改进的Harness》),讨论 AI 智能体如何通过优化自身运行框架来增强任务执行能力。
Harness 被描述为模型外围运行体系,承担上下文管理、工具调用、结果检查以及停止条件判断等工作。研究团队注意到,同一 Harness 用于不同模型时效果不一致,迁移后可能停止推进,或消耗过多 Token。
为解决这个问题,论文提出让优化模型直接改动代码,而不是只调整提示词,从而形成可自我改进的 Harness 框架。
实验中的编程智能体 Harness 仅 142 行代码,被拆成四个可编辑模块。每轮只改一个模块,随后在验证集上测试,并设定 Token 使用上限。修改只有通过验证才会保留,否则丢弃。
测试使用 Gemini 3.8 Flash 和 40 道未参与优化的 SWE-bench Lite 软件工程任务。初始 Harness 解决 5.0% 的任务;采用模块化优化和验证筛选后,成功率达到 40.0%,平均每项任务消耗约 4.67万 Token。
另一组结果中,如果让优化模型不限范围地整体重写 Harness,成功率可达 42.5%,略高于模块化方式,但平均每项任务需要约 45.16万 Token,接近前一方案的 10 倍。
还有一项对比显示,仅依靠提示词规则限制智能体行为时,任务成功率反而降到 2.5%。这说明,提高运行框架的复杂度并不必然提高执行效率。整体重写虽然成功率稍高,但 Token 成本明显上升;逐模块优化并设置验证门槛,在任务表现和计算成本之间更均衡。
研究还提出,智能体的关键运行约束应尽量写入代码机制,而不是主要依赖提示词。比如,每次修改都自动测试,并以任务成功率和 Token 消耗决定是否接受,能够减少没有效果的优化所耗费的资源。
随着 AI 智能体从简单问答走向软件开发、多工具调用和复杂任务执行,Harness 对模型实际表现的作用越来越重要。该研究给出的方向是,无需重新训练底层模型,也可以改进模型外围执行框架,从而提升任务完成率和 Token 使用效率。
目前,研究结果主要来自特定模型和 40 道软件工程测试任务。
王兴兴谈机器人落地:模型泛化仍是首要难题
他提到,结合今年全球技术突破,已经能看到突破的临界点,可能不会太远。 王兴兴还提到了他最近在思考的一个问题:如果明年机器人AI模型真的出现大突破,接下来最重要的事情是什么?王兴兴判断,未来机器人对算力的需求可…
2026-11-20
李彦宏判断AI下一幕 百度推动智能组织进化
比如其在2011年上线了百度移动“框计算”,旨在为用户提供一站式的搜索服务。当时李彦宏宣称,互联网的人口红利期已经结束,人工智能是移动互联网的下一幕,并且人工智能将是百度核心中的核心。 2016年11月30…
2026-11-20
百度三季度AI收入132亿,智能组织落地进程加快
客户提前安排未来的算力,百度则获得更清晰的需求预期和回款节奏,云业务回报周期也在缩短。智能组织建设尚在早期,但百度已经开始同时获得两种积累:一端是持续产生收入的AI需求,另一端是能够在更多业务中复用的组织能力…
2026-11-20
具身机器人试水酒店洗衣与便利店服务,商业化尚早
在业内人士看来,相较于成熟、已经实现标准化的工业场景,让具身机器人高频次进入酒店、便利店等商业服务场景,仍然要“算一笔经济账”,目前行业仍在寻找合适的商业场景落地,还未形成明确的共识,“因为能够演示某项操作…
2026-11-20
智元人形机器人落地长隆 年末规模计划达千台
IT之家 11 月 18 日消息,11 月 17 日,智元合伙人、高级副总裁、远征业务部总裁王闯在深圳举行的 APEC 财经之夜上,围绕人形机器人规模化部署表示,对于人形机器人而言,会说话、会走路只是及格线,…
2026-11-20
五项人形机器人标准开始施行 涉及训练数据与关键部件
针对灵巧手,《人形机器人与具身智能 灵巧手技术规范》规定了人形机器人灵巧手的技术要求与测试方法,包括外观及自由度、运动功能、感知功能、抓取物体能力、操作物体能力、接口、电磁兼容、环境适应性与可靠性等内容,并…
2026-11-20
苹果推进自主AI智能体 瞄准设备操控与代码编写
IT之家 11 月 20 日消息,彭博社马克 · 古尔曼(Mark Gurman)今日报道称,苹果正在开发自主 AI 智能体,计划让 AI 代替用户执行设备操控、应用操作、网页浏览和软件编程等任务,进一步进入…
2026-11-20
李彦宏谈AI产业:价值兑现关键在应用层落地
没有合适应用承接,算力、模型和资源投入就难以在企业和行业中形成可持续的价值闭环,外界对AI泡沫的担忧也会获得更多现实依据。 在提示泡沫风险的同时,李彦宏也表示,AI仍是不可阻挡的大趋势,合作机会不是变少而是明…
2026-11-20
谷歌Neon大模型亮相 主打编程办公科研与多智能体协作
据谷歌介绍,Neon 支持 100 万 token上下文窗口,可综合处理电子表格、PDF、图表、音频和视频,将分散信息整理成报告等成果。在编程场景中,它能够跨文件排查错误、重构代码,也可在谷歌 Antig…
2026-11-20
农业机器人落地田间 黑龙江两个应用场景跻身全国典型
近日,工业和信息化部、农业农村部公布农业领域机器人典型应用场景名单。其中,黑龙江2个农业领域机器人应用场景入选全国典型。农业领域机器人典型应用场景名单 联合单位:黑龙江省农业科学院园艺分院、智研卓耘(哈尔滨…
2026-11-20