谷歌开源Harness²：不碰模型权重，只改外围脚手架让AI边跑边修

想让大模型变强，不一定非得重新训练。谷歌新开源的Harness²框架走的是另一条路：权重一个不动，只改模型外面那层运行脚手架。

这个项目属于递归自我改进（RSI）方向。脚手架可以理解为包在模型外面的运行逻辑，提示的组织、工具的调用、结果的校验，大多发生在这一层。Harness²做的，是让智能体在运行过程中自己发现问题，再自己修补这一层。

以往的RSI方案有两个老毛病。一是没有标准答案的时候，改着改着就跑偏了；二是很容易对单个任务过拟合，换个任务就不灵。

Harness²的应对是把递归拆成两层。第一层在任务内部，按“提议、探测、合成”的流程走：先提出改动，经过多轮对照确认它确实有效，再把它并进脚手架，这个过程可以并行展开，搜索范围因此大很多。第二层跨任务，把调试中攒下的经验存进一个持续更新的经验库，智能体遇到新任务时先检索再复用，不用每次从零开始。

效果方面，最醒目的数字来自办公基准WorkBuddy-Bench：GLM-5接入这个框架后，分数涨了11.5分，还超过了原生的Gemini 3.5 Flash。在JobBench、法律基准LAB等测试里也有明显提升，把经验库跨领域迁移过去，还能再往上提。

团队构成也被拿出来说：华人占78%。

我的看法是，这类工作的价值主要在成本。重训一个底座模型要烧大量算力，改脚手架的门槛低得多，开源之后普通开发者也能拿去套在自己的模型上试。至于基准上涨的分能有多少落到真实业务里，还得等更多人用过才知道。