AnswersPublished15 sources
HarnessPro virittää tekoälyagentin toimintatapaa – ei itse mallia
HarnessPro kehittää tekoälyagentin ohjeita, työkaluja ja toimintaperiaatteita aiempien suoritusten perusteella. Kehys tarjoaa Lite , Medium ja Heavy vaihtoehdot, jotta käyttötarpeen mukaan voi painottaa edullisuutta, tasapainoa tai suorituskykyä.[3][11] GPT 5.5:n ja Codexin Terminal Bench 2 vertailussa Heavy saavutt...
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- HarnessPro kehittää tekoälyagentin ohjeita, työkaluja ja toimintaperiaatteita aiempien suoritusten perusteella.
- Kehys tarjoaa Lite , Medium ja Heavy vaihtoehdot, jotta käyttötarpeen mukaan voi painottaa edullisuutta, tasapainoa tai suorituskykyä.[3][11]
- GPT 5.5:n ja Codexin Terminal Bench 2 vertailussa Heavy saavutti 80,8 prosentin läpäisyasteen 0,72 dollarin tehtäväkohtaisella hinnalla.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is HarnessPro, released by researchers from Tsinghua University, Zhipu, Shanghai Jiao Tong University, the University of Warwick and Ku. Article summary: HarnessPro is a self-supervised framework for recursively improving an AI agent’s **harness**—the instructions, tools and runtime policies around it—while optimizing both task success and execution cost.[2][16] Its disti. Topic tags: general, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake num
Tekoälyagentin onnistuminen ei riipu vain käytetystä kielimallista. Myös se, millaiset ohjeet agentti saa, mitä työkaluja se voi käyttää ja millaisia toimintaperiaatteita sen suoritukseen liittyy, vaikuttaa sekä tuloksiin että kustannuksiin. Tätä kokonaisuutta kutsutaan agentin harnessiksi eli sen ohjaus- ja toimintaympäristöksi.11
HarnessPro on kehys, joka kehittää tätä ympäristöä vaiheittain. Tavoitteena on parantaa tehtävien suorittamista ja samalla pitää kulut kurissa.3
11
Mitä HarnessPro muuttaa?
HarnessPro ei viritä itse kielimallin painoja, vaan muokkaa mallin ympärillä olevaa kokonaisuutta: ohjeita, käytettävissä olevia työkaluja ja suoritusta ohjaavia sääntöjä. Sen lähtökohtana ovat agentin suorituksista kertyvät jäljet. Niistä etsitään virheitä ja kustannuksia aiheuttavia toimintatapoja, joiden perusteella ehdotetaan muutoksia.3
11
Ehdotuksia arvioidaan synteettisillä testeillä. Projektin kuvauksen mukaan optimoinnissa ei tarvita valmiita oikeita vastauksia tai virallisia testejä: testit tuotetaan arviointia varten.11 Prosessi on rekursiivinen, eli ehdokkaita voidaan arvioida ja kehittää edelleen uusilla kierroksilla.
3
11
Kolme vaihtoehtoa eri tarpeisiin
Halvin toimintatapa ei välttämättä ratkaise eniten tehtäviä, eikä suorituskykyisin vaihtoehto aina ole kustannusten kannalta järkevin. Siksi HarnessPro ei pyri tarjoamaan yhtä kaikille sopivaa asetusta. Pareto-valinta säilyttää kolme vaihtoehtoa eri suorituskyky–kustannus-suhteisiin:11
- Lite painottaa pienempiä kustannuksia.
- Medium pyrkii tasapainoon.
- Heavy painottaa suorituskykyä.
Käytännössä valinta riippuu siitä, mitä käyttökohteessa arvostetaan eniten. HarnessPro tekee kompromissin näkyväksi sen sijaan, että korkein pistemäärä olisi automaattisesti ainoa tavoite.11
Mitä vertailutulokset kertovat?
HarnessPron tulossivulla GPT-5.5:n ja Codexin yhdistelmä saavutti Terminal-Bench 2 -testissä Heavy-versiolla 80,8 prosentin läpäisyasteen. Tehtäväkohtaiseksi hinnaksi ilmoitettiin 0,72 dollaria. Vertailussa RHO:n luvut olivat 76,3 prosenttia ja 1,09 dollaria tehtävältä.16
Tutkimusta käsittelevissä yhteenvedoissa raportoidaan lisäksi RHO:hon verrattuna keskimäärin 2,0 prosenttiyksikön parannus läpäisyasteessa ja 26,1 prosentin lasku tehtäväkohtaisissa kustannuksissa kyseisessä arviointiasetelmassa.7
20
Tulokset koskevat tiettyjä malleja, toimintaympäristöjä ja testejä. Ne eivät osoita, että vastaava hyöty toteutuisi kaikissa tehtävissä tai käyttöönottoympäristöissä. Kolmen vaihtoehdon tarjoaminen onkin olennainen osa HarnessPron ideaa: suorituskyky ja kustannukset voivat vetää eri suuntiin.11
16
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "HarnessPro virittää tekoälyagentin toimintatapaa – ei itse mallia"?
HarnessPro kehittää tekoälyagentin ohjeita, työkaluja ja toimintaperiaatteita aiempien suoritusten perusteella.
What are the key points to validate first?
HarnessPro kehittää tekoälyagentin ohjeita, työkaluja ja toimintaperiaatteita aiempien suoritusten perusteella. Kehys tarjoaa Lite , Medium ja Heavy vaihtoehdot, jotta käyttötarpeen mukaan voi painottaa edullisuutta, tasapainoa tai suorituskykyä.[3][11]
What should I do next in practice?
GPT 5.5:n ja Codexin Terminal Bench 2 vertailussa Heavy saavutti 80,8 prosentin läpäisyasteen 0,72 dollarin tehtäväkohtaisella hinnalla.
Sources
github.comHarnessPro/README.md at main · pzs19/HarnessPro · GitHub
arxiv.orgHarnessPro: Recursive Harness Self-Improvement with ...
pzs19.github.ioHarnessPro · Recursive Harness Self-Improvement
alirezashamsoshoara.github.ioDaily AI Papers — October 20, 2026
dev.toAgents Write the Commits Now — This Week's Research Is ...