Google представила Harness². Теперь ИИ может улучшать себя без переобучения модели

Открытый фреймворк, который позволяет ИИ агентам самостоятельно совершенствовать свою рабочую конфигурацию. Вместо изменения нейросети система оптимизирует инструкции, инструменты, память и другие компоненты, от которых зависит поведение агента.

В экспериментах такой подход позволил улучшить результаты на профессиональных тестах до 11,5 балла без изменения весов модели. Разработчики опубликовали исходный код на GitHub, сделав технологию доступной для исследователей и инженеров.

Современный ИИ агент представляет собой не только языковую модель. Для выполнения реальных задач ему необходима целая система вспомогательных компонентов. Она определяет, какие инструменты доступны агенту, какую информацию он запоминает, как делегирует задачи и какие инструкции выполняет.

В разработке такую систему называют harness.

Harness² позволяет автоматически изменять восемь её компонентов: системные инструкции, ограничения безопасности, память, рекомендации по использованию инструментов, навыки, скрипты, дополнительных агентов и плагины.

Например, если агент регулярно допускает ошибки при выполнении сложной задачи, система может предложить изменить последовательность действий, добавить специализированные инструкции или перераспределить работу между инструментами.

Принципиальное отличие от традиционного обучения заключается в том, что сама нейросеть остаётся неизменной. Улучшается организация её работы.

В основе Harness² находятся два связанных процесса.

Первый отвечает за конкретную задачу. Система предлагает несколько вариантов изменения рабочей конфигурации, проверяет их на практике, сравнивает поведение агента и формирует улучшенный вариант.

Исследователи называют этот механизм Propose, Probe, Compose. Он позволяет выбирать изменения даже тогда, когда для задачи нет готового эталонного ответа.

Второй процесс отвечает за накопление опыта. После выполнения задачи система сохраняет успешные изменения и выводы, которые могут оказаться полезными в будущем.

Таким образом, агент не просто пытается лучше решить одну проблему. Он постепенно формирует более эффективные способы работы с новыми задачами.

При этом речь не идёт о бесконтрольном изменении собственного программного обеспечения. Фреймворк работает с определённым набором редактируемых компонентов и использует экспериментальную проверку предложенных изменений.

Авторы проверили Harness² на трёх профессиональных наборах задач, включая WorkBuddy Bench, JobBench и юридический бенчмарк LAB.

В экспериментах использовались модели GLM 5 и Gemini 3.5 Flash в нескольких конфигурациях агентной среды.

После одного этапа оптимизации исследователи зафиксировали улучшения до 11,5 балла на WorkBuddy Bench, до 4,5 балла на JobBench и до 11,8 процентного пункта по показателю частичного выполнения задач LAB.

Это результаты авторских испытаний, а не доказательство того, что система будет одинаково эффективно работать с любым агентом. Дополнительные попытки оптимизации также требуют вычислительных ресурсов и увеличивают стоимость выполнения задач.

Большая часть конкуренции в индустрии искусственного интеллекта сосредоточена вокруг создания более мощных моделей. Компании увеличивают вычислительные бюджеты, собирают новые данные и совершенствуют алгоритмы обучения.

Harness² показывает другой путь повышения эффективности.

Даже существующая модель может решать больше задач, если улучшить её инструменты, инструкции, память и процессы взаимодействия с внешней средой.

Для разработчиков программных агентов это особенно актуально. Качество работы Claude Code, Codex и аналогичных систем зависит не только от возможностей базовой модели, но и от того, насколько грамотно организованы доступ к файлам, использование инструментов, проверка результатов и управление контекстом.

В перспективе подобные технологии могут сократить объём ручной настройки агентных систем. Однако автоматические изменения требуют контроля безопасности, проверки результатов и ограничений доступа.

Исходный код опубликован в официальном репозитории Google Research. Проект распространяется под лицензией Apache 2.0 и поддерживает экспериментальную работу с агентными средами OpenCode и Codex.

Для локальной демонстрации предусмотрен режим без подключения к языковой модели. Более сложные эксперименты требуют настройки соответствующих инструментов и окружения.

Важно, что Harness² пока является исследовательским программным обеспечением, а не официально поддерживаемым коммерческим продуктом Google Cloud.

Если вам близка тема AI, технологий и будущего - добро пожаловать в мой канал обсудить и поделиться апдейтами.