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:模块化调整AI智能体框架,成功率升至40%

时间:2026-11-20 22:25:41来源:互联网编辑:快讯

北京时间11月20日,谷歌发布了一项名为《Harnesses That Improve Themselves》的研究。论文讨论的是AI智能体如何通过持续调整自身运行框架,来提高任务完成效果。所谓Harness,可以理解为包围在AI模型外的一层执行系统,它负责管理上下文、调用工具、检查任务结果,并判断智能体何时停止工作。

研究团队指出,同一套Harness放到不同AI模型上,表现可能相差很大。为某个模型调好的框架,迁移到另一个模型后,会出现任务卡住或Token消耗过高等情况。为此,他们提出一种可自我改进的Harness方案,让优化模型通过修改代码来改善智能体执行效率,而不是只改提示词。

实验中使用的编程智能体Harness只有142行代码,被拆成四个可编辑模块。每一轮优化只能改其中一个模块,然后放到验证集上测试效果,同时设定Token使用上限。只有通过验证的修改才会被保留,未达标的修改会被丢弃。

研究人员让Gemini 3.8 Flash模型在40道未参与优化的SWE-bench Lite软件工程任务上测试。初始Harness只能解决5.0%的任务;经过模块化优化和验证筛选后,成功率提高到40.0%,平均每项任务消耗约4.67万Token。

另一组对比中,如果允许优化模型不加限制地整体重写Harness,任务成功率可达42.5%,略高于模块化方案,但平均每项任务消耗约45.16万Token,接近前者的10倍。还有一项实验显示,只用提示词规则约束智能体行为,任务成功率反而降到2.5%。

这些结果说明,增加智能体运行框架的复杂度,并不必然带来更高执行效率。整体重写虽然成功率略高,却大幅抬高了Token成本;逐个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。研究也强调,智能体的重要运行约束应尽量通过代码机制实现,而不是单纯依赖提示词,例如对每次修改自动测试,并以任务成功率和Token消耗决定是否接受修改。

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正成为影响模型实际表现的重要因素。该研究目前主要基于特定模型和40道软件工程测试任务。

更多热门内容
AI智能体运行框架可自我优化 模块化改动兼顾成功率与成本
研究显示,在一项软件工程测试中,采用模块化修改与验证机制的AI智能体,任务成功率从5.0%提升至40.0%,同时大幅降低了相比整体重写方案的Token消耗。 在实验中,研究人员使用了一套仅有142行代码的编程…

2026-11-20

会听湖南话的人形机器人亮相长沙养老展
11月20日上午,长沙红星国际会展中心一楼,一位来自雨花区的七旬老人向一台人形机器人下达“打开电视”的指令,机器人应声响应,控制了已经接入的设备。 “我们希望做的,不是让老年人努力适应新技术,而是让新技术主动…

2026-11-20

人工智能时代追问何为人类 “人的”获选剑桥词典年度词
随着人工智能技术在全球掀起“何为人类”的讨论,“人的”(human)这一形容词日前当选英国《剑桥词典》2026年度词。 《剑桥词典》18日发布声明说,在人工智能技术日渐模糊人类和机器界限的背景下,本年度最大的…

2026-11-20