Harness2

Google Research duy trì các công cụ và hạ tầng thử nghiệm phục vụ nghiên cứu mô hình nền tảng. Các nhóm của tổ chức công bố những framework có thể tái lập, kết nối phương pháp nghiên cứu với thực tiễn kỹ thuật để người làm chuyên môn có thể áp dụng.

Harness2 (Harness²) cung cấp một hệ thống có thể tái lập và không phụ thuộc mô hình để cải tiến harness của tác tử—bao gồm prompt, công cụ, bộ nhớ, kỹ năng và cơ chế điều phối—bằng phương pháp đệ quy thay vì cập nhật trọng số. Khi thực hiện tác vụ, hệ thống chạy vòng lặp Propose–Probe–Compose để tạo các chỉnh sửa harness tiềm năng, kiểm tra tác động của chúng trên cùng một tác vụ, rồi kết hợp thành một harness được tinh chỉnh dựa trên sự khác biệt về hành vi. Với các chế độ đệ quy song song và tuần tự, framework lưu lại những harness được áp dụng cùng bằng chứng liên quan để định hướng cho các lần tinh chỉnh tiếp theo. Bản phát hành hỗ trợ các trình thực thi OpenCode và Codex, đồng thời tích hợp công cụ benchmark cho JobBench, LAB và WorkBuddy-Bench. Được thiết kế cho quy trình nghiên cứu và kỹ thuật, Harness2 kết hợp các trình chỉnh sửa xác định, thực thi thực tế và đánh giá tùy chọn có mô hình hỗ trợ, giúp các nhóm liên tục tinh chỉnh thiết kế harness, đo lường mức cải thiện và tiếp tục thí nghiệm một cách có thể tái lập.