- Harness² إطار عمل يترك نموذج الذكاء الاصطناعي نفسه دون تغيير، ويعدّل بدلا من ذلك الإعدادات المحيطة بالنموذج لكل مهمة (تعليمات النظام والذاكرة وإرشادات الأدوات والمهارات وغيرها)، لمساعدة الوكلاء على أداء أفضل. نُشر المستودع في منظمة google-research على GitHub، ويوضح ملف README أنه ليس منتجا رسميا من Google.
- في مرحلة المهام، ينشئ مقترحات لتعديل الإعدادات ويطبقها على المهمة نفسها، ثم يقارن الفروق في النتائج ويجمع الإعدادات الجديدة. وبحسب ملف README، تعتمد هذه العملية على الفروق بين التشغيلات فقط دون ملاحظات حول الإجابات الصحيحة.
- يذكر ملف README أنه في تشغيل بخطوة واحدة عبر ثلاثة معايير متخصصة وأربع تركيبات من النماذج والإعدادات، تحسّن أداء GLM-5 وGemini 3.5 Flash مقارنة بإعداداتهما السابقة. أكبر التحسينات هي 11.5 نقطة في WorkBuddy-Bench، و4.5 نقطة في JobBench، و11.8 نقطة مئوية في معدل النجاح الجزئي في LAB.
- يفترض التشغيل بيئة Linux وPython 3.12. المعايير التي تستخدم النماذج تترتب عليها تكاليف واجهة برمجة التطبيقات، كما يتوفر عرض توضيحي محلي يعمل دون بيانات اعتماد للنموذج.
O: يمكن للمطورين الذين يوكلون مهام المكاتب إلى وكلاء الذكاء الاصطناعي أن يقسموا التعليمات وإرشادات الأدوات إلى نسختين، ويشغلوهما على المهمة نفسها، ثم يقارنوا الفروق في النتائج.
X: أرقام تحسين الأداء الواردة في ملف README أبلغ عنها فريق التطوير، وليست نتائج تحقق مستقل، لذلك يجب أولاً التحقق من تكلفة استدعاء النموذج وشروط القياس.