Harness²
Google Cloud AI Research 提出的框架，在不改动模型本身的前提下改进模型外围系统（如提示编排、工具调用、输出解析、评估循环等）以提升任务表现，属于系统级优化方法。
核心事实
时间轴 (近 90 天)
Harness² 的双重递归带来计算开销问题：每个任务需要多轮探测和组合，框架层还需维护经验库，对推理成本提出更高要求。
Harness² 采用双重递归（Dual recursion）机制，同时在任务层和框架层运行优化循环。
任务层递归采用 Propose-Probe-Compose（提议-探测-组合）循环来精炼执行策略。
Propose-Probe-Compose 循环不需要真实标注验证器（ground-truth verifier），而是依赖任务本身的可观测结果进行自我评估。
框架层递归在任务之间积累可复用的经验，将有效的提示词结构、工具调用模式、记忆组织方式抽象为可迁移的框架知识。
Google Research 在 WorkBuddy-Bench 基准测试上报告了最高 +11.5 分的性能提升。
经验蒸馏与上下文注入是框架层递归的实现基础，框架知识以自然语言形式存储，不改变模型参数，而是在后续任务的提示词或上下文中动态拼接。
基于上下文注入的持续学习受上下文窗口长度限制，经验库过大时需要检索、压缩与筛选机制，否则会引入噪声或冲突。
Harness² 的无标注自我改进依赖环境反馈的质量和丰富度，在反馈稀疏或噪声较大的场景中可能面临挑战。
Harness² 在 Product Hunt 上获得 108 票支持，位列当日排行榜第三。
还有 9 条时间轴事件
全部知识事实 (19)
Harness2 的核心思路是在测试阶段递归地改写 Agent harness，而不更新模型权重。
65%待验证Harness² 的双重递归带来计算开销问题：每个任务需要多轮探测和组合，框架层还需维护经验库，对推理成本提出更高要求。
50%待验证任务层递归采用 Propose-Probe-Compose（提议-探测-组合）循环来精炼执行策略。
50%待验证Propose-Probe-Compose 循环不需要真实标注验证器（ground-truth verifier），而是依赖任务本身的可观测结果进行自我评估。
50%待验证框架层递归在任务之间积累可复用的经验，将有效的提示词结构、工具调用模式、记忆组织方式抽象为可迁移的框架知识。
50%待验证Google Research 在 WorkBuddy-Bench 基准测试上报告了最高 +11.5 分的性能提升。
50%待验证经验蒸馏与上下文注入是框架层递归的实现基础，框架知识以自然语言形式存储，不改变模型参数，而是在后续任务的提示词或上下文中动态拼接。
50%待验证基于上下文注入的持续学习受上下文窗口长度限制，经验库过大时需要检索、压缩与筛选机制，否则会引入噪声或冲突。
50%待验证Harness² 的无标注自我改进依赖环境反馈的质量和丰富度，在反馈稀疏或噪声较大的场景中可能面临挑战。
50%待验证Harness² 在 Product Hunt 上获得 108 票支持，位列当日排行榜第三。
50%待验证Harness² 的 Makers 包括 Han Yu 等研究者。
50%待验证Harness² 采用双重递归（Dual recursion）机制，同时在任务层和框架层运行优化循环。
50%待验证Harness²（arXiv:2610.14224）把自进化推到第二层：既可以在当前任务执行过程中递归地编辑正在运行的 harness，也可以在「改进 harness 的 harness」层面递归。
50%待验证同时使用 Gemini 3.5 Flash 和 GLM-5 两个不同家族的模型测试，说明 Harness2 方法本身不依赖特定模型特性。
50%待验证Harness² 作者在局限性部分指出，其用于判断改动是否有效的信号不保证正确性，也不确立被采纳的改动会迁移到不同任务。
50%待验证Harness² 论文报告了在三个专业基准上的提升。
50%待验证Harness2 代码已发布在 GitHub（google-research/harness2）。
50%待验证2026 年 10 月 9 日，Google Cloud AI Research 发表了 Harness²，一个在不改动模型本身的前提下改进模型外围系统的框架。
50%待验证谷歌研究团队开源了 Harness2，一个 Apache-2.0 许可的框架。
50%