AnswersPublished15 sources
HarnessPro endrer oppsettet rundt AI-agenten – ikke selve modellen
HarnessPro analyserer spor fra agentkjøringer og foreslår endringer i instruksjoner, verktøy og regler for hvordan agenten arbeider.[3][11] I stedet for å velge én løsning for alle, beholder rammeverket Lite, Medium og Heavy som alternativer med ulik balanse mellom kostnad og ytelse.[11] I en rapportert Terminal Ben...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- HarnessPro analyserer spor fra agentkjøringer og foreslår endringer i instruksjoner, verktøy og regler for hvordan agenten arbeider.[3][11]
- I stedet for å velge én løsning for alle, beholder rammeverket Lite, Medium og Heavy som alternativer med ulik balanse mellom kostnad og ytelse.[11]
- I en rapportert Terminal Bench 2 test fikk Heavy 80,8 prosent bestått, mot RHO på 76,3 prosent, og kostet mindre per oppgave.[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
En AI-agent er mer enn modellen som genererer svarene. Instruksjonene den følger, verktøyene den får bruke og reglene for hvordan den kjører, påvirker også hva den får til – og hvor mye det koster. HarnessPro er laget for å forbedre dette oppsettet, eller «harness», uten å endre modellens vekter.3
11
Hva HarnessPro gjør
Rammeverket bruker spor fra agentens tidligere kjøringer til å lete etter mønstre i feil og kostnader. Deretter foreslår det mulige endringer i oppsettet og vurderer dem med syntetiske tester. Ifølge prosjektets README gjøres denne optimaliseringen uten fasitsvar eller offisielle tester.11
Prosessen kan gjentas: Kandidatoppsett vurderes og forbedres videre i nye runder. Dermed handler HarnessPro om å utvikle måten agenten arbeider på, ikke om å trene om selve modellen.3
11
Tre alternativer, ikke én universell vinner
Lavere kostnad og høyere ytelse går ikke alltid hånd i hånd. Derfor bruker HarnessPro Pareto-basert utvelgelse for å beholde tre alternativer: Lite for lavere kostnad, Medium for en mellomløsning og Heavy for høyere ytelse.11
I praksis gjør det avveiningen tydeligere. Man kan velge oppsett ut fra behovene i den aktuelle bruken, i stedet for å anta at den best presterende varianten alltid er det riktige valget.11
Hva testresultatene viser
På Terminal-Bench 2, med GPT-5.5 og Codex, rapporterer prosjektets resultatside en beståttandel på 80,8 prosent for HarnessPro Heavy, til en kostnad på 0,72 dollar per oppgave. Til sammenligning oppgis RHO til 76,3 prosent og 1,09 dollar per oppgave.16
Forskningsoppsummeringer rapporterer også en gjennomsnittlig økning i beståttandel på 2,0 prosentpoeng og 26,1 prosent lavere kostnad per oppgave sammenlignet med RHO i det aktuelle evalueringsoppsettet.7
20
Tallene gjelder bestemte kombinasjoner av modell, oppsett og test. De er ikke en garanti for tilsvarende gevinster i alle oppgaver eller utrullinger. At HarnessPro beholder flere varianter, gjenspeiler nettopp at kostnad og ytelse kan trekke i ulike retninger.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 endrer oppsettet rundt AI-agenten – ikke selve modellen"?
HarnessPro analyserer spor fra agentkjøringer og foreslår endringer i instruksjoner, verktøy og regler for hvordan agenten arbeider.[3][11]
What are the key points to validate first?
HarnessPro analyserer spor fra agentkjøringer og foreslår endringer i instruksjoner, verktøy og regler for hvordan agenten arbeider.[3][11] I stedet for å velge én løsning for alle, beholder rammeverket Lite, Medium og Heavy som alternativer med ulik balanse mellom kostnad og ytelse.[11]
What should I do next in practice?
I en rapportert Terminal Bench 2 test fikk Heavy 80,8 prosent bestått, mot RHO på 76,3 prosent, og kostet mindre per oppgave.[16]
Sources
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 ...