Google 開源 Harness²：不改模型權重，單步改善 GLM-5 與 Gemini 3.5 Flash 表現

發生什麼事

google-research 在 GitHub 公開 Harness²，這是一套 plug-and-play（即插即用）的遞迴式代理 harnessing 框架。官方說明，harness 是讓模型能當代理運作的外圍系統，包括提示詞、工具、記憶、技能與調度；harnessing 則是最佳化這套系統的過程。Harness² 在模型權重固定的情況下運作。 官方原文・github.com

第一層是任務層遞迴：以 Propose–Probe–Compose 三步驟（提出修改、在同一任務上探測效果、依各次執行的行為對比組成改良版 harness）改進當前任務的 harness，過程不需要 ground-truth（標準答案）回饋。官方論文摘要說明，這能在沒有 ground-truth verifiers（以標準答案判斷對錯的驗證器）的情況下引導修改，並可用平行或序列遞迴進一步擴大。 官方原文・github.com 官方原文・huggingface.co

第二層是 harnessing 層遞迴：每完成一項任務，就把被採用的 harness 與有證據支持的經驗存入一個持續更新的改進用 harness，用來引導後續任務的修改。專案開放 8 個可編輯元件：system prompt、guardrails、memory、tool guidance、subagents、skills、scripts 與 plugins。 官方原文・github.com

成績方面，官方在 3 項專業基準與 4 種模型–harness 配置上測試，單一 Harness² 步驟讓 GLM-5 與 Gemini 3.5 Flash 勝過各自的 base harnesses：WorkBuddy-Bench（涵蓋辦公、網頁與程式任務）最多提升 11.5 分（points），JobBench（專業工作）最多提升 4.5 分（points），LAB（法律工作）的 partial pass rate（部分通過率）最多提升 11.8 個百分點（percentage points）。官方也寫明，提高任務層遞迴預算（--k，即任務層遞迴的步數或候選數上限）會帶來進一步的增益。 官方原文・github.com 官方原文・huggingface.co

誰受影響

這個版本支援平行與序列遞迴、OpenCode 與 Codex 兩種 executor（執行代理任務的執行器），以及 JobBench、LAB 與 WorkBuddy-Bench。iThome 指出，對開發團隊而言，可以直接調整外圍框架，不必微調模型權重。 官方原文・github.com iThome

使用環境需要 Linux、Python 3.12 與 uv（Python 套件管理工具）。本機 demo 不需要模型憑證；若要跑接模型的基準測試，需安裝 Node.js 20+、Google Cloud CLI 與各基準的相依套件，LAB 另需 Pandoc 與 Poppler，WorkBuddy-Bench 需要 Docker（容器工具）。模型設定部分，官方指示在 .env 填入 Vertex AI project 與 model IDs，Vertex AI 為 Google Cloud 的模型服務。 官方原文・github.com

限制與未定事項

官方聲明這不是 Google 官方支援的產品，也不符合 Google Open Source Software Vulnerability Rewards Program（Google 的開源軟體漏洞獎勵計畫）的資格。專案採 Apache 2.0 授權，第三方程式碼、基準與資料集保留各自的授權。接模型的執行會產生 API 費用，官方建議先從少量任務開始。 官方原文・github.com

官方提醒，executor 的網路存取不受限制，Codex 執行時沙箱（隔離執行環境）為停用狀態，公開基準的評分標準可能在網路上取得；評測前應先設定網路限制，避免接觸到基準答案與評分準則。 官方原文・github.com

各方說法

INSIDE 稱此專案來自 Google Cloud AI Research，並引述 Startup Fortune 報導，指開源軟體於 10 月 9 日釋出。Startup Fortune 還指出，執行任務的代理為 Gemini 3.5 Flash 與 GLM-5，負責提出與組合修改的編輯模型為 Claude Opus 4.8。官方 GitHub 頁面的發布日期為 2026-10-06，與媒體轉述的 10 月 9 日不同；GitHub 頁面與論文摘要也未提及這幾項模型分工，這些內容出自該媒體的轉述。 INSIDE 官方原文・github.com 官方原文・huggingface.co

INSIDE 轉述 Startup Fortune 的說法，這些數字皆為作者自報，Startup Fortune 表示無法與論文或程式庫核對。報導另稱，加入遞迴後，3 項測試再分別提高 3.9 分、4.2 分與 6.7 分，且遞迴帶來的是逐步縮小的增幅，並非持續疊加。官方原文僅寫「進一步的增益」。 INSIDE 官方原文・github.com