Google-kode lader AI-agenter forbedre sig selv uden at ændre modellen

Google Research har udgivet Harness², et framework til at gøre AI-agenter bedre uden at røre selve sprogmodellen. I stedet justerer det agentens »harness«: de prompts, værktøjer, hukommelse og styring, der omgiver modellen.

Koden ligger åbent under Apache 2.0-licens som forskningskode. Ifølge Wavects gennemgang er der tale om version 0.1.0 med udgivelse 16. oktober 2026, og den er rettet mod udviklere, ikke almindelige brugere.

Foreslå, afprøv, kombiner

Problemet, forskerne vil løse, er ukendte opgaver, hvor der ikke findes et facit at tjekke svaret mod. Her gentager frameworket tre trin: Propose (foreslå ændringer), Probe (afprøv dem på den aktuelle opgave) og Compose (kombiner forbedringerne ud fra forskelle i adfærd mellem kørslerne).

På et andet niveau gemmer frameworket et bibliotek med lærdomme og velfungerende opsætninger på tværs af opgaver, som styrer senere forbedringer. Otte dele kan redigeres, blandt andet systemprompt, hukommelse, skills og plugins. Processen kan køre parallelt for bredere udforskning eller efter hinanden for dybere finpudsning.

Resultater med forbehold

Ifølge forskningsartiklen steg resultaterne med op til 11,5 point på WorkBuddy-Bench, 4,5 point på JobBench og 11,8 procentpoint på LAB, der handler om juridisk arbejde. Tallene er målt med modellerne GLM-5 og Gemini 3.5 Flash og steg yderligere, når der blev brugt mere regnekraft.

Tallene kommer fra forfatternes egne tests i en artikel, der endnu ikke er peer-reviewet. Wavect understreger, at der er tale om maksimale forbedringer for bestemte kombinationer af model og harness, ikke noget, der gælder generelt. Hvilken sammenligning de angivne point er målt mod, er ikke gennemgået i detaljer.

Koster mere og kræver forsigtighed

Ifølge Wavect kræver en rekursiv kørsel med k=5 omkring 20 kørsler af selve agenten plus ekstra arbejde med forbedringsmodellen, så udforskningen koster mere end udførelsen. Modelbaserede kørsler kræver Linux, Python 3.12+, Node.js 20+ og opsatte cloud-adgange. Der findes dog en demo uden adgangsoplysninger.

Sikkerhed er et punkt at holde øje med. Standardopsætningen begrænser ikke agentens netværksadgang, og Codex kører med sandbox slået fra. Offentlige benchmark-rubrikker kan desuden ligge online, så netværksbegrænsning anbefales før evaluering. Wavect anbefaler engangsmiljøer, begrænsede adgangsoplysninger og netværksbegrænsninger, der er påtvunget udefra, før man kobler frameworket til virksomhedssystemer.