ITBEAR科技资讯
网站首页 科技资讯 财经资讯 分享好友

谷歌研究:AI智能体模块化优化成功率升至40%

时间:2026-11-20 18:19:45来源:互联网编辑:快讯

北京时间11月20日,谷歌发布了一项关于AI智能体运行框架的研究,论文名称为《Harnesses That Improve Themselves》。研究关注的是Harness,即围绕AI模型搭建的执行框架,它负责上下文管理、工具调用、结果检查以及停止条件判断。

研究人员指出,同一套Harness放到不同AI模型上,效果可能相差很大。为某个模型调好的框架,换到另一个模型后,可能让任务卡住,或者消耗更多Token。为此,他们提出可自我改进的Harness思路:由优化模型直接修改代码来改善智能体效率,而不是只改提示词。

实验使用的编程智能体Harness只有142行代码,被拆成四个可编辑模块。每一轮优化仅允许改动其中一个模块,之后在验证集上测试效果,并设定Token使用上限。通过验证的修改才会保留,不满足条件的版本会被放弃。

测试选用Gemini 3.8 Flash模型,任务集为40道未参与优化的SWE-bench Lite软件工程题。初始Harness的成功率为5.0%;经过模块化优化和验证筛选后,成功率提高到40.0%,平均每道任务消耗约4.67万Token。

研究还对比了另一种做法:让优化模型不受限制地整体重写Harness。它的任务成功率是42.5%,比模块化方案略高,但平均每道任务要消耗约45.16万Token,接近前者的10倍。只靠提示词规则约束智能体行为时,成功率反而下降到2.5%。

这些数据说明,智能体运行框架越复杂,并不一定越高效。逐个模块修改并设置验证门槛,能在任务表现与计算成本之间取得较好平衡。

研究强调,重要运行约束应尽量写进代码机制,而不是只依赖提示词。例如,每次修改都自动测试,并把任务成功率和Token消耗作为是否接受修改的判据,可以减少无效优化带来的资源浪费。

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正在成为影响模型实际表现的关键环节。该研究给出的方向是,不重新训练底层模型,而是改进模型外围的执行框架,以提高任务完成率和Token使用效率。

目前,相关结果主要来自特定模型和40道软件工程测试任务,尚未覆盖更多模型、不同类型智能体任务以及长期运行环境。

更多热门内容
一目科技李智强:触觉基建与灵巧操作影响人形机器人落地节奏
三年前,一目科技管理团队提出,具身智能要真正落地,大脑会越来越成熟,而机器人与物理世界接触的触觉不可或缺,如今这一判断已经成为行业共识。团队仍判断,通用模型的能力会持续向具身侧延展,因此选择聚焦物理操作界面,…

2026-11-20

苹果招聘高级工程经理 推进通用电脑操作AI智能体
【环球网科技综合报道】11月20日消息,据MacRumors和彭博社报道,苹果正在招聘一名高级工程经理,负责开发可以代用户操作电脑的通用 AI智能体。 MacRumors报道称,这名工程经理将加入负责通…

2026-11-20

贵阳人才公寓投用无人配送机器人 每单拟收费不超一元
作为贵阳首个落地无人配送机器人试点的人才公寓,该项目自10月下旬投用以来,以无接触智慧模式打通末端配送“最后一百米”,实现封闭管理与便民服务双赢。 作为店长同时也是公寓住户,陈忠翔有着切身的使用感受:“我自…

2026-11-20

中策橡胶入选领航级智能工厂 50个智能体上岗造轮胎
中策橡胶董事长、总经理沈金荣感慨,对于中策橡胶这样的传统制造企业,智能化改造是赶超世界先进水平的一条重要赛道,杭州浓郁的智能化氛围、蓬勃的人工智能产业为企业创造了良好环境,“现在是AI时代,眼下还只是一个开头…

2026-11-20