Google Research 开源 Harness²：无验证器也能递归优化智能体 Harness

Google Research 开源了 Harness²，用两层递归解决测试任务没有 ground-truth 验证器的难题。第一层通过 Propose–Probe–Compose 流程，用同一任务下的 A/B 行为对比替代分数反馈来指导 harness 编辑；第二层把有证据支持的改进写入可执行的组件库持续复用。使用 Claude Opus 4.8 作为编辑器时，GLM-5 在 WorkBench 上提升 11.5 分，在 LAB 上从 59.6 提升到 71.4。实验还显示改进后的 harness 可跨模型迁移，为 Gemini 精炼的 harness 给 GLM-5 在 Code 子集带来 +17.3，并胜过 Claude Code 和 Codex 的固定生产 harness 4.6–5.8 分。