Harness²
Google Cloud AI Research 提出的框架，在不改动模型本身的前提下改进模型外围系统（如提示编排、工具调用、输出解析、评估循环等）以提升任务表现，属于系统级优化方法。
核心事实
时间轴 (近 90 天)
Harness²方法强调对执行脚手架（包括工具调用、上下文组织与工作流结构）本身进行迭代改进，将改进对象从模型权重或提示词扩展到整个运行环境。
Gear希望支持GEPA、RRSI、Harness²等RSI方法的实现和横向对比，以降低不同论文评估条件不一致带来的可复现性摩擦。
Level 2的递归本质是元学习，即学习如何构建合适外骨骼的元知识，相当于外循环。
Harness²采用双层递归机制：Level 1针对当前任务实时进化外骨骼，Level 2进化为未来任务构建外骨骼的方式。
Harness²的自进化外骨骼可能让智能体在复杂多变的任务中表现更鲁棒，同时降低对模型规模的依赖。
Harness²项目的双层递归机制和弱模型逆袭的结果已经引发了研究社区的关注。
Harness²目前仍是一个研究项目。
Harness²的核心发现是：一个更小、更弱的模型在自进化外骨骼加持下，性能完全超越了运行在默认预构建外骨骼上的更强大的前沿模型。
Harness²使用Propose-Probe-Compose三步循环，在没有答案键的情况下演化工作台。
Squared指两层递归：第一层为当前任务演化工作台；第二层演化系统如何为未来任务构建工作台，并将可复用工具、技能和经验存入经验库。
还有 27 条时间轴事件
全部知识事实 (20)
Google Research 开源了 Harness2，一个让 AI Agent 的「脚手架」具备自我改进能力的框架。
65%部分验证Harness2 的核心思路是在测试阶段递归地改写 Agent harness，而不更新模型权重。
65%待验证Harness²方法强调对执行脚手架（包括工具调用、上下文组织与工作流结构）本身进行迭代改进，将改进对象从模型权重或提示词扩展到整个运行环境。
50%待验证Gear希望支持GEPA、RRSI、Harness²等RSI方法的实现和横向对比，以降低不同论文评估条件不一致带来的可复现性摩擦。
50%待验证Level 2的递归本质是元学习，即学习如何构建合适外骨骼的元知识，相当于外循环。
50%待验证Harness²采用双层递归机制：Level 1针对当前任务实时进化外骨骼，Level 2进化为未来任务构建外骨骼的方式。
50%待验证Harness²项目的双层递归机制和弱模型逆袭的结果已经引发了研究社区的关注。
50%待验证Harness²目前仍是一个研究项目。
50%待验证Harness²的核心发现是：一个更小、更弱的模型在自进化外骨骼加持下，性能完全超越了运行在默认预构建外骨骼上的更强大的前沿模型。
50%待验证在编码、网页、办公、法律等场景中，运行时演化工作台在每一个领域都击败了静态工作台，包括未经改动的Claude Code与Codex。
50%待验证在法律红线批注、预算对账等复杂任务上，单步演化将准确率提升了35到50个百分点。
50%待验证Harness²提出Agent应编辑四个层次来替代往系统提示加规则：按需技能、自定义工具、子Agent、编辑自身控制循环。
50%待验证Harness²的一个核心发现是：更小、更弱的模型运行在自演化工作台中，可以完胜更强的前沿模型运行在默认工作台上。
50%待验证在线上测试候选工作台，单个任务需要4到20次完整Agent运行，因此Harness²不适合对随手一问的提示实时使用，更适合用在前10到20个任务上积累领域库。
50%待验证研究者让AI盲写工作台（不做测试就直接改），性能下降10%。
50%待验证Harness²使用Propose-Probe-Compose三步循环，在没有答案键的情况下演化工作台。
50%待验证Squared指两层递归：第一层为当前任务演化工作台；第二层演化系统如何为未来任务构建工作台，并将可复用工具、技能和经验存入经验库。
50%待验证基于上下文注入的持续学习受上下文窗口长度限制，经验库过大时需要检索、压缩与筛选机制，否则会引入噪声或冲突。
50%待验证Harness² 在 Product Hunt 上获得 108 票支持，位列当日排行榜第三。
50%待验证Harness² 的 Makers 包括 Han Yu 等研究者。
50%