उत्तरप्रकाशित15 स्रोत
HarnessPro AI एजेंट को बेहतर प्रदर्शन और कम खर्च के लिए कैसे ढालता है
HarnessPro एजेंट के निर्देशों, उपलब्ध टूल्स और रनटाइम नीतियों में बदलाव सुझाता है, फिर उन्हें टेस्ट करके बेहतर विकल्प चुनता है। यह एक ही कॉन्फ़िगरेशन को हर उपयोग के लिए सर्वश्रेष्ठ मानने के बजाय कम लागत वाले Lite, संतुलित Medium और अधिक प्रदर्शन वाले Heavy विकल्प रखता है।[3][11] GPT 5.5 और Codex के साथ Terminal Benc...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- HarnessPro एजेंट के निर्देशों, उपलब्ध टूल्स और रनटाइम नीतियों में बदलाव सुझाता है, फिर उन्हें टेस्ट करके बेहतर विकल्प चुनता है।
- यह एक ही कॉन्फ़िगरेशन को हर उपयोग के लिए सर्वश्रेष्ठ मानने के बजाय कम लागत वाले Lite, संतुलित Medium और अधिक प्रदर्शन वाले Heavy विकल्प रखता है।[3][11]
- GPT 5.5 और Codex के साथ Terminal Bench 2 पर Heavy मोड ने 80.8% पास दर और प्रति कार्य 0.72 डॉलर लागत दर्ज की; उसी तुलना में RHO के आंकड़े 76.3% और 1.09 डॉलर थे।[16]
AI संकेत
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
AI एजेंट की क्षमता सिर्फ इस बात पर निर्भर नहीं करती कि उसके पीछे कौन-सा मॉडल है। उसे दिए गए निर्देश, उपलब्ध टूल्स और काम करते समय लागू नियम भी नतीजों और खर्च को प्रभावित कर सकते हैं। इसी संचालन ढांचे को हॉर्नेस कहा जाता है। HarnessPro इसी ढांचे को बार-बार सुधारने का एक तरीका है।11
HarnessPro क्या बदलता है?
HarnessPro मॉडल के वज़न बदलने के बजाय एजेंट के काम करने के आसपास की व्यवस्था—उसके निर्देश, टूल्स और रनटाइम नीतियां—सुधारता है। इसका उद्देश्य काम सफलतापूर्वक पूरा करने की क्षमता और उसे पूरा करने की लागत, दोनों को साथ देखकर बेहतर विकल्प ढूंढना है।3
11
सुधार की प्रक्रिया कैसे चलती है?
फ्रेमवर्क एजेंट के काम के दौरान बने निष्पादन रिकॉर्ड यानी execution traces का विश्लेषण करता है। इनमें दिखने वाली विफलताओं और लागत के पैटर्न के आधार पर वह हॉर्नेस में संभावित बदलाव तैयार करता है। फिर इन विकल्पों को सिंथेसाइज़ किए गए टेस्ट से परखा जाता है। प्रोजेक्ट के README के अनुसार, अनुकूलन के दौरान इन टेस्टों को सही उत्तरों या आधिकारिक टेस्टों पर निर्भर नहीं बनाया जाता।11
यह प्रक्रिया एक ही दौर पर नहीं रुकती: बदलाव वाले हॉर्नेस को आगे के दौरों में फिर जांचा और सुधारा जा सकता है। इसलिए HarnessPro को मॉडल में सीधे बदलाव करने के बजाय एजेंट के संचालन ढांचे को विकसित करने का तरीका समझना अधिक सही है।3
11
Lite, Medium और Heavy क्यों?
हर काम में अधिकतम प्रदर्शन ही सबसे अहम नहीं होता। कुछ जगह कम खर्च प्राथमिकता हो सकती है, जबकि दूसरे कामों में बेहतर सफलता दर के लिए अधिक संसाधन लगाना उचित हो सकता है। HarnessPro की Pareto-आधारित चयन प्रक्रिया तीन विकल्प बनाए रखती है: Lite कम लागत के लिए, Medium संतुलन के लिए और Heavy अधिक प्रदर्शन के लिए।11
इसका व्यावहारिक फायदा यह है कि टीम अपने उपयोग और बजट के अनुसार विकल्प चुन सकती है। सबसे ऊंचा स्कोर देने वाला एक ही सेटअप हर तैनाती के लिए अपने-आप सही नहीं मान लिया जाता।11
बेंचमार्क में क्या नतीजे बताए गए?
प्रोजेक्ट के परिणाम पृष्ठ पर GPT-5.5 और Codex के साथ Terminal-Bench 2 में HarnessPro Heavy की पास दर 80.8% और प्रति कार्य लागत 0.72 डॉलर बताई गई है। उसी तुलना में RHO की पास दर 76.3% और लागत 1.09 डॉलर दर्ज है।16
अलग-अलग शोध सारांशों में बताए गए मूल्यांकन सेटअप के लिए RHO की तुलना में औसतन 2.0 प्रतिशत-अंक अधिक पास दर और प्रति कार्य लागत में 26.1% कमी की सूचना दी गई है।7
20
ये आंकड़े खास मॉडल, हॉर्नेस और बेंचमार्क संयोजनों से जुड़े हैं। इन्हें हर तरह के काम या तैनाती में मिलने वाले निश्चित लाभ की तरह नहीं पढ़ना चाहिए। Lite, Medium और Heavy के अलग विकल्प खुद इस बात को दर्शाते हैं कि प्रदर्शन और लागत के बीच संतुलन उपयोग के हिसाब से बदल सकता है।11
16
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"HarnessPro AI एजेंट को बेहतर प्रदर्शन और कम खर्च के लिए कैसे ढालता है" का संक्षिप्त उत्तर क्या है?
HarnessPro एजेंट के निर्देशों, उपलब्ध टूल्स और रनटाइम नीतियों में बदलाव सुझाता है, फिर उन्हें टेस्ट करके बेहतर विकल्प चुनता है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
HarnessPro एजेंट के निर्देशों, उपलब्ध टूल्स और रनटाइम नीतियों में बदलाव सुझाता है, फिर उन्हें टेस्ट करके बेहतर विकल्प चुनता है। यह एक ही कॉन्फ़िगरेशन को हर उपयोग के लिए सर्वश्रेष्ठ मानने के बजाय कम लागत वाले Lite, संतुलित Medium और अधिक प्रदर्शन वाले Heavy विकल्प रखता है।[3][11]
मुझे अभ्यास में आगे क्या करना चाहिए?
GPT 5.5 और Codex के साथ Terminal Bench 2 पर Heavy मोड ने 80.8% पास दर और प्रति कार्य 0.72 डॉलर लागत दर्ज की; उसी तुलना में RHO के आंकड़े 76.3% और 1.09 डॉलर थे।[16]
सूत्र
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 ...