Harness2
Résumé NexusAi : Harness2 est un framework prêt à l’emploi pour l’optimisation récursive des environnements d’agents. Il améliore ces environnements sans modifier les poids des modèles. Par itérations successives, il propose, teste et combine des modifications afin d’améliorer le comportement des agents dans des tâches en environnement ouvert.
NexusAi Vue d’ensemble
En pratique, Harness2 aborde la conception d’un environnement d’agent comme une recherche itérative : il propose des modifications candidates, exécute des tests pour faire ressortir les différences de comportement, puis compose un environnement affiné qui intègre les changements efficaces. Cette boucle fonctionne sans annotations de référence et conserve les enseignements tirés pour accélérer les tâches suivantes.
Fonctionnalités principales
Ce framework s’adresse aux ingénieurs et aux chercheurs qui conçoivent des systèmes d’agents, évaluent des stratégies d’optimisation ou recherchent des améliorations reproductibles sans réentraîner les modèles. Les utilisateurs s’en servent notamment pour affiner des boucles d’utilisation d’outils dans des workflows de programmation, juridiques ou bureautiques, comparer le comportement des exécuteurs et ajuster le budget d’expérimentation afin de mesurer les gains marginaux sur différents domaines et types de tâches.
- Propose–Probe–Compose modifie les composants de l’environnement en s’appuyant sur des preuves issues de l’exécution comparative.
- Les modes de récursion parallèle et séquentielle offrent un équilibre entre exploration large et affinage approfondi.
- Prend en charge les exécuteurs OpenCode et Codex pour l’exécution réelle ou en bac à sable du code.
- Conserve les environnements adoptés et les enseignements tirés afin d’orienter automatiquement les améliorations de tâches futures.
- S’intègre à JobBench, LAB et WorkBuddy-Bench pour des évaluations standardisées.
Tendances concrètes
Citation représentative
Sous Linux, installez Python 3.12, créez un environnement isolé, puis installez les dépendances du dépôt. Pour les exécutions assistées par modèle, configurez les identifiants et les modèles requis dans un fichier d’environnement, installez les dépendances facultatives des benchmarks, puis lancez les commandes de démonstration ou d’évaluation de Harness2 pour obtenir des résultats reproductibles. La boîte à outils propose des options pour choisir entre récursion parallèle et séquentielle, prévisualiser la sélection des tâches et gérer les étapes d’évaluation et de rapport afin de garantir la cohérence des évaluations.
NexusAi: Harness2 transforme l’ingénierie des environnements d’agents en une boucle d’expérimentation mesurable et réutilisable, sans modifier les poids des modèles.
Pour commencer
Harness2 est particulièrement utile lorsque l’amélioration itérative des environnements et la reproductibilité des évaluations sont essentielles : recherche fondée sur des benchmarks, équipes d’ingénierie qui affinent des boucles d’utilisation d’outils ou situations où les poids des modèles doivent rester inchangés. L’association de modifications contrastives, d’enseignements persistants et d’exécuteurs flexibles le distingue des ajustements de prompts réalisés au coup par coup.
Ouvrez l’outil et examinez son expérience produit principale.
Créez votre compte ou accédez à votre espace de travail existant.
Utilisez votre propre tâche pour évaluer la vitesse, la qualité et l’adéquation.
Vérifiez des outils IA similaires avant de prendre une décision finale.
Harness2
Google Research développe des outils expérimentaux et des infrastructures pour la recherche sur les modèles fondamentaux. Ses équipes publient des frameworks reproductibles qui font le lien entre méthodes de recherche et pratiques d’ingénierie, afin d’en faciliter l’adoption par les professionnels.
Harness2 (Harness²) propose un système reproductible et indépendant des modèles pour améliorer les environnements d’agents — prompts, outils, mémoire, compétences et orchestration — par récursion plutôt que par mise à jour des poids. Au moment de l’exécution d’une tâche, il suit une boucle Propose–Probe–Compose pour générer des modifications candidates, tester leurs effets sur cette même tâche, puis composer un environnement affiné à partir des différences de comportement observées. En modes de récursion parallèle et séquentielle, le framework conserve les environnements adoptés et les éléments probants afin d’orienter les améliorations ultérieures. Cette version prend en charge les exécuteurs OpenCode et Codex, et intègre des outils d’évaluation pour JobBench, LAB et WorkBuddy-Bench. Conçu pour les workflows de recherche et d’ingénierie, Harness2 combine des éditeurs déterministes, des exécutions réelles et des évaluations facultatives assistées par modèle, permettant aux équipes d’itérer sur la conception de leurs environnements, de mesurer les gains et de reprendre leurs expériences de manière reproductible.
Visiter Harness2
Commentaires (0)
Aucun commentaire trouvé