JawabanDipublikasikan15 sumber
HarnessPro mengutak-atik cara kerja agen AI agar lebih hemat
HarnessPro mengembangkan instruksi, alat, dan kebijakan runtime agen AI secara berulang, lalu menyediakan pilihan Lite, Medium, dan Heavy untuk kebutuhan biaya dan kinerja yang berbeda. Alih alih mencari satu konfigurasi terbaik untuk semua keperluan, HarnessPro memakai tes sintetis dan seleksi Pareto untuk memperta...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- HarnessPro mengembangkan instruksi, alat, dan kebijakan runtime agen AI secara berulang, lalu menyediakan pilihan Lite, Medium, dan Heavy untuk kebutuhan biaya dan kinerja yang berbeda.
- Alih alih mencari satu konfigurasi terbaik untuk semua keperluan, HarnessPro memakai tes sintetis dan seleksi Pareto untuk mempertahankan opsi hemat biaya, seimbang, dan berorientasi kinerja.[3][11]
- Dalam satu pengujian Terminal Bench 2, mode Heavy mencatat tingkat kelulusan 80,8% dengan biaya US$0,72 per tugas, dibandingkan RHO yang mencatat 76,3% dengan biaya US$1,09.[16]
AI Perintah
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
HarnessPro adalah kerangka tanpa label untuk menyempurnakan harness agen AI secara bertahap. Harness mencakup instruksi, alat, dan kebijakan runtime yang menentukan bagaimana agen bekerja. Dengan menguji perubahan pada bagian-bagian ini, HarnessPro berupaya memperbaiki kinerja tugas sekaligus mengendalikan biaya eksekusi.3
11
Apa yang dimaksud dengan harness agen?
Model AI bukan satu-satunya hal yang menentukan kemampuan agen. Cara agen diberi instruksi, alat yang bisa digunakan, dan aturan yang mengatur proses kerjanya juga berpengaruh. Keseluruhan pengaturan ini disebut harness.11
Gagasan HarnessPro sederhana: konfigurasi di sekitar model bisa diubah untuk memengaruhi keberhasilan menyelesaikan tugas maupun biaya yang diperlukan. Jadi, pendekatannya bukan melatih ulang bobot model, melainkan menyempurnakan lingkungan operasional agen.3
11
Cara HarnessPro mencari perubahan yang berguna
HarnessPro menganalisis jejak eksekusi untuk menemukan pola kegagalan dan pemborosan biaya. Dari sana, sistem menyusun perubahan yang bisa dicoba pada harness. Kandidat perubahan kemudian dinilai menggunakan tes sintetis—bukan jawaban acuan atau tes resmi selama proses optimasi, menurut README proyek.11
Prosesnya berulang: harness kandidat diuji, dievaluasi, lalu dapat disempurnakan lagi pada putaran berikutnya. Dengan cara ini, pengembangan berfokus pada konfigurasi yang mengatur cara agen menjalankan tugas, bukan pada perubahan model dasarnya.3
11
Mengapa ada pilihan Lite, Medium, dan Heavy?
Tidak semua penggunaan membutuhkan tingkat kinerja dan biaya yang sama. HarnessPro mempertahankan tiga pilihan melalui seleksi berbasis Pareto: Lite untuk biaya lebih rendah, Medium untuk keseimbangan, dan Heavy untuk kinerja lebih tinggi.11
Artinya, konfigurasi dengan skor tertinggi tidak otomatis menjadi pilihan terbaik bagi setiap tim. Pengguna dapat memilih sesuai kebutuhan penerapan—misalnya, lebih menekan biaya atau lebih mengutamakan peluang menyelesaikan tugas.11
Hasil benchmark yang dilaporkan
Pada Terminal-Bench 2 dengan GPT-5.5 dan Codex, halaman hasil proyek melaporkan bahwa HarnessPro Heavy mencapai tingkat kelulusan 80,8% dengan biaya US$0,72 per tugas. Sebagai pembanding, RHO mencatat 76,3% dengan biaya US$1,09 per tugas.16 Ringkasan riset lain melaporkan kenaikan rata-rata tingkat kelulusan sebesar 2,0 poin persentase dan penurunan biaya per tugas sebesar 26,1% dibandingkan RHO dalam pengaturan evaluasi yang dilaporkan.
7
20
Angka-angka tersebut berlaku untuk kombinasi model, harness, dan benchmark tertentu. Hasil itu bukan jaminan bahwa HarnessPro akan memberikan peningkatan yang sama pada semua tugas atau penerapan. Tersedianya beberapa varian justru mencerminkan bahwa kinerja dan biaya bisa menuntut kompromi yang berbeda.11
16
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "HarnessPro mengutak-atik cara kerja agen AI agar lebih hemat"?
HarnessPro mengembangkan instruksi, alat, dan kebijakan runtime agen AI secara berulang, lalu menyediakan pilihan Lite, Medium, dan Heavy untuk kebutuhan biaya dan kinerja yang berbeda.
Apa poin penting yang harus divalidasi terlebih dahulu?
HarnessPro mengembangkan instruksi, alat, dan kebijakan runtime agen AI secara berulang, lalu menyediakan pilihan Lite, Medium, dan Heavy untuk kebutuhan biaya dan kinerja yang berbeda. Alih alih mencari satu konfigurasi terbaik untuk semua keperluan, HarnessPro memakai tes sintetis dan seleksi Pareto untuk mempertahankan opsi hemat biaya, seimbang, dan berorientasi kinerja.[3][11]
Apa yang harus saya lakukan selanjutnya dalam latihan?
Dalam satu pengujian Terminal Bench 2, mode Heavy mencatat tingkat kelulusan 80,8% dengan biaya US$0,72 per tugas, dibandingkan RHO yang mencatat 76,3% dengan biaya US$1,09.[16]
Sumber
arxiv.orgHarnessPro: Recursive Harness Self-Improvement with ...
github.comHarnessPro/README.md at main · pzs19/HarnessPro · GitHub
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 ...