Harness^2：递归式智能体框架实现开放世界自我改进

Ruiyao Xu、Yanfei Chen、Zhongying CuiZhu等提出Harness^2，一种即插即用的递归式智能体框架，旨在解决开放世界场景下递归自我改进（RSI）面临的两大难题：测试时任务新颖、缺乏真值验证器来指导在线框架编辑，以及RSI过程高度任务特定、难以泛化。该框架设两级递归：任务级递归用对比式“提议-探测-组合”步骤，在无真值验证器条件下可靠引导编辑，并可通过并行或串行递归扩展；框架级递归则从这些编辑中提取经验，更新持续改进框架，使智能体更好适应未来任务。论文称，在三个专业基准和四种模型-框架配置上，单步递归即持续提升GLM-5与Gemini 3.5 Flash相对其基础框架的表现，WorkBuddy-Bench最高提升11.5分，JobBench提升4.5分，LAB提升11.8个百分点，且随任务级递归预算增加收益进一步提升。