Эволюция харнессов сейчас примерно везде. Вот популярная свежая гугловая работа на эту тему. Harness^2: Recursive Agent Harnessing for an Open World Ruiyao Xu, Yanfei Chen, Zhongying CuiZhu, Bhavana Dalvi Mishra, Yifei Ming, Han Yu, Rujun Han, Chen-Yu Lee, Tomas Pfister Paper: https://arxiv.org/abs/2610.14224 Review: https://arxiviq.substack.com/p/harness2-recursive-agent-harnessing Code: https://github.com/google-research/harness2 ЧТО сделали: Авторы представили Harness^2 — фреймворк, который на лету оптимизирует рабочую обвязку замороженной языковой модели (промпты, защитные правила, навыки, скрипты и промежуточный код) без эталонных верификаторов. Он сочетает рекурсию на уровне задачи, где обвязка дорабатывается через сравнение поведения разных вариантов правок, и рекурсию на уровне самой настройки, где полезные уроки сохраняются в библиотеку улучшений для будущих задач. ЧТО получили: В четырёх конфигурациях моделей и обвязок с Claude Opus 4.8 в роли редактора один шаг контрастного улучшения (k=1) повышает средний балл на WorkBuddy-Bench с 64.2 до 75.7 для GLM-5 и с 72.4 до 77.5 для Gemini 3.5 Flash в среде OpenCode, обходя офлайновый Meta-Harness (69.7 и 76.4). Масштабирование параллельной рекурсии до k=5 даёт 80.8 на WorkBuddy-Bench и поднимает результат на JobBench с 31.5 (база) и 32.9 (Harness Scaling) до 39.0. ПОЧЕМУ это важно: Агенты могут адаптировать свои инструменты и накапливать переиспользуемый опыт редактирования прямо во время работы на неразмеченных задачах. За счёт этого адаптированная слабая модель способна обойти неадаптированную сильную, хотя проверка нескольких кандидатов кратно увеличивает расход токенов на инференсе, а основные эксперименты опираются на топовую модель-редактор. Варить свой харнесс тут: https://t.me/gonzo_ML_podcasts/4830