مقاله‌ی arXiv:2610.14224 · منتشرشده در کانال
Harness^2: Recursive Agent Harnessing for an Open World
هارنس‌سازی بازگشتی برای جهان باز: بهبود هارنس ایجنت بدون تأییدکننده‌ی مرجع
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Ruiyao Xu, Yanfei Chen, Zhongying CuiZhu, Bhavana Dalvi Mishra, Yifei Ming, Han Yu, Rujun Han, Chen-Yu Lee, Tomas Pfister
- نهاد نویسنده‌ها
- Google Cloud AI Research; Northwestern University
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
توانایی ایجنت‌ها نه فقط به مدل بلکه به هارنس اجرایی‌شان هم بستگی دارد، و خودبهبودی بازگشتی راهی برای تکامل خودکار این هارنس‌هاست. اما در جهان باز دو چالش هست: تسک‌ها در زمان طراحی هارنس دیده نشده‌اند و تأییدکننده‌ی مرجعی برای هدایت ویرایش‌های آنلاین هارنس ندارند، و فرایند خودبهبودی خیلی خاص تسک است و به سناریوهای تازه تعمیم نمی‌یابد.
روش
چارچوب Harness^۲ دو سطح بازگشت دارد. بازگشت در سطح تسک، هارنس تسک فعلی را با یک قدم مقایسه‌ای «پیشنهاد، کاوش، ترکیب» اصلاح می‌کند که بدون تأییدکننده‌ی مرجع ویرایش‌ها را هدایت می‌کند و با بازگشت موازی یا پی‌درپی قابل بزرگ کردن است. بازگشت در سطح هارنس‌سازی، از این ویرایش‌ها تجربه استخراج می‌کند و یک «هارنس بهبود پیوسته» را به‌روز می‌کند تا ایجنت با تسک‌های آینده بهتر تطبیق یابد.
یافته‌ها
- در سه بنچمارک حرفه‌ای و چهار پیکربندی مدل و هارنس، یک قدم به تنهایی GLM-5 و Gemini ۳٫۵ Flash را نسبت به هارنس پایه‌شان پیوسته بهتر کرد.
- بهبودها تا ۱۱٫۵ امتیاز در WorkBuddy-Bench، ۴٫۵ امتیاز در JobBench و ۱۱٫۸ واحد درصد در LAB بود و با افزایش بودجه‌ی بازگشت سطح تسک بیشتر شد.
محدودیت‌ها
نویسنده‌ها می‌گویند پیشنهاد، کاوش و ترکیب تغییرها اجرا و جلسه‌ی ویرایش اضافه لازم دارد و بودجه‌ی بازگشت بیشتر هزینه‌ی استنتاج را بالا می‌برد؛ جلسه‌های موازی تأخیر را کم می‌کنند ولی محاسبه‌ی اضافه را حذف نمی‌کنند.
چرا مهم است
هارنس خوب برای هر تسک تازه معمولاً دستی ساخته می‌شود. این کار نشان می‌دهد ایجنت می‌تواند هارنس خودش را حتی بدون معیار موفقیت مرجع بهتر کند و از این تجربه برای تسک‌های بعدی هم یاد بگیرد.