AnswersPublished15 sources
HarnessPro punta a rendere gli agenti IA più efficienti, senza imporre un’unica configurazione
HarnessPro interviene sul “harness” di un agente IA — istruzioni, strumenti e regole operative — e ne valuta le modifiche con test sintetici. Invece di cercare una configurazione valida per ogni esigenza, conserva tre opzioni: Lite per contenere i costi, Medium per un compromesso e Heavy per puntare a prestazioni su...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- HarnessPro interviene sul “harness” di un agente IA — istruzioni, strumenti e regole operative — e ne valuta le modifiche con test sintetici.
- Invece di cercare una configurazione valida per ogni esigenza, conserva tre opzioni: Lite per contenere i costi, Medium per un compromesso e Heavy per puntare a prestazioni superiori.[3][11]
- Nei risultati riportati per GPT 5.5 con Codex su Terminal Bench 2, la modalità Heavy ha raggiunto l’80,8% di prove superate a 0,72 dollari per attività.[16]
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
Un agente IA non dipende soltanto dal modello che lo alimenta. Anche le istruzioni, gli strumenti a disposizione e le regole che governano il suo funzionamento possono incidere su quanto riesce a fare e su quanto costa ogni attività. HarnessPro è un framework che punta a migliorare proprio questo insieme di componenti, chiamato harness.11
La sua idea centrale è evitare di considerare una sola configurazione come la migliore in assoluto. In base al compromesso tra prestazioni e spesa, il sistema conserva tre varianti: Lite, Medium e Heavy.3
11
Che cos’è il “harness” di un agente
Il harness è la struttura che accompagna il modello mentre lavora: comprende istruzioni, strumenti e regole operative. Non è quindi un nuovo modello né un aggiornamento dei suoi pesi, ma il contesto tecnico che ne orienta il comportamento. Secondo il progetto, modificare questa struttura può influenzare sia il successo nei compiti sia il costo di esecuzione.3
11
Come funziona HarnessPro
HarnessPro analizza le tracce delle esecuzioni per individuare ricorrenze negli errori e nei costi. Da queste osservazioni genera possibili modifiche al harness e le mette alla prova con test sintetici. Durante l’ottimizzazione, spiega il progetto, non si affida a soluzioni di riferimento o ai test ufficiali.11
Il processo è iterativo: le configurazioni candidate possono essere valutate e affinate in più passaggi. In questo modo HarnessPro cerca di evolvere il modo in cui l’agente opera, senza intervenire sui pesi del modello.3
11
Tre configurazioni per esigenze diverse
Prestazioni e costi non sempre vanno nella stessa direzione. Una configurazione più economica può essere preferibile quando conta soprattutto ridurre la spesa; una più capace può convenire quando la priorità è ottenere risultati migliori. Per tenere conto di questo compromesso, HarnessPro seleziona tre punti distinti: Lite per contenere i costi, Medium come soluzione intermedia e Heavy per puntare a prestazioni più alte.11
La scelta, quindi, dipende dall’impiego previsto. Non è detto che l’opzione con il punteggio più elevato sia quella più adatta a ogni caso: il framework mantiene alternative con diversi equilibri tra risultato e costo.11
I risultati riportati nei benchmark
La pagina dei risultati del progetto riporta che, con GPT-5.5 e Codex su Terminal-Bench 2, HarnessPro Heavy ha ottenuto un tasso di superamento dell’80,8% a 0,72 dollari per attività. Nello stesso confronto, RHO ha registrato il 76,3% a 1,09 dollari per attività.16
Altre sintesi della ricerca riportano, per la configurazione valutata, un aumento medio di 2,0 punti percentuali nel tasso di superamento e una riduzione del 26,1% del costo per attività rispetto a RHO.7
20
Sono risultati riferiti a specifiche combinazioni di modello, harness e benchmark: non garantiscono gli stessi miglioramenti in qualsiasi contesto. Le varianti Lite, Medium e Heavy riflettono proprio il fatto che prestazioni e costi possono richiedere scelte diverse.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 punta a rendere gli agenti IA più efficienti, senza imporre un’unica configurazione"?
HarnessPro interviene sul “harness” di un agente IA — istruzioni, strumenti e regole operative — e ne valuta le modifiche con test sintetici.
What are the key points to validate first?
HarnessPro interviene sul “harness” di un agente IA — istruzioni, strumenti e regole operative — e ne valuta le modifiche con test sintetici. Invece di cercare una configurazione valida per ogni esigenza, conserva tre opzioni: Lite per contenere i costi, Medium per un compromesso e Heavy per puntare a prestazioni superiori.[3][11]
What should I do next in practice?
Nei risultati riportati per GPT 5.5 con Codex su Terminal Bench 2, la modalità Heavy ha raggiunto l’80,8% di prove superate a 0,72 dollari per attività.[16]
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 ...