AnswersPublished15 sources
HarnessPro szuka równowagi między skutecznością agentów AI a kosztem ich pracy
HarnessPro analizuje działanie agenta AI i proponuje zmiany w jego instrukcjach, narzędziach oraz zasadach pracy, by poprawić skuteczność lub ograniczyć koszt. Zamiast wskazywać jedną najlepszą konfigurację, framework zachowuje trzy warianty: Lite, Medium i Heavy — od tańszego po nastawiony na wyższą skuteczność.[3]...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- HarnessPro analizuje działanie agenta AI i proponuje zmiany w jego instrukcjach, narzędziach oraz zasadach pracy, by poprawić skuteczność lub ograniczyć koszt.
- Zamiast wskazywać jedną najlepszą konfigurację, framework zachowuje trzy warianty: Lite, Medium i Heavy — od tańszego po nastawiony na wyższą skuteczność.[3][11]
- W jednym z opisanych testów wariant Heavy osiągnął 80,8% zaliczonych zadań przy koszcie 0,72 dolara za zadanie; wynik dotyczy konkretnego zestawu modelu i benchmarku.[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
HarnessPro to framework, który ulepsza nie sam model AI, lecz jego otoczenie operacyjne — zestaw instrukcji, narzędzi i reguł określających, jak agent wykonuje zadania. System analizuje jego działanie, szuka źródeł błędów i niepotrzebnych kosztów, a potem testuje zmienione konfiguracje.3
11
Czym jest „harness” agenta AI?
Model to tylko część agenta. Na jego pracę wpływa również to, jakie dostaje instrukcje, z jakich narzędzi może korzystać i jakie zasady obowiązują go podczas wykonywania zadań. Ten zestaw określa się jako harness — po polsku można go opisać jako otoczenie operacyjne agenta.11
HarnessPro zakłada, że dostrojenie tego otoczenia może zmienić zarówno skuteczność agenta, jak i koszt jego działania. Nie wymaga przy tym modyfikowania wag modelu: zmiany dotyczą sposobu, w jaki agent pracuje.3
11
Jak framework szuka lepszych ustawień?
HarnessPro analizuje ślady wykonania zadań, czyli zapis tego, co agent robił. Na tej podstawie identyfikuje wzorce związane z niepowodzeniami i kosztami, a następnie przygotowuje możliwe zmiany w harnessie. Kandydaci są sprawdzani za pomocą testów syntetycznych, a nie oficjalnych testów ani gotowych odpowiedzi wzorcowych używanych w trakcie optymalizacji.11
Proces jest iteracyjny: kolejne wersje konfiguracji mogą być oceniane i udoskonalane w następnych rundach. Celem nie jest więc jednorazowa zmiana ustawień, lecz stopniowe rozwijanie sposobu pracy agenta.3
11
Dlaczego są trzy warianty: Lite, Medium i Heavy?
Niższy koszt i jak najlepsze wyniki nie zawsze idą w parze. HarnessPro zachowuje więc trzy punkty równowagi między tymi celami:
- Lite — wariant nastawiony na niższy koszt;
- Medium — kompromis między kosztem a skutecznością;
- Heavy — wariant nastawiony na wyższą skuteczność.
11
Dzięki temu użytkownik może wybrać konfigurację do konkretnego zastosowania, zamiast zakładać, że wariant z najwyższym wynikiem będzie zawsze najlepszy.11
Co pokazują wyniki testów?
Na stronie projektu opisano test z użyciem GPT-5.5 i Codex na benchmarku Terminal-Bench 2. HarnessPro Heavy uzyskał tam 80,8% zaliczonych zadań przy koszcie 0,72 dolara za zadanie. Dla porównania RHO osiągnął 76,3% przy koszcie 1,09 dolara za zadanie.16
Osobne podsumowania badania podają, że w opisanym zestawie ewaluacyjnym HarnessPro poprawił średni odsetek zaliczonych zadań o 2 punkty procentowe i obniżył średni koszt zadania o 26,1% względem RHO.7
20
To wyniki konkretnych połączeń modelu, harnessu i benchmarku — nie gwarancja podobnej poprawy w każdym wdrożeniu. Sam podział na Lite, Medium i Heavy podkreśla, że wybór zależy od tego, jak ważne są koszt i skuteczność w danym zastosowaniu.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 szuka równowagi między skutecznością agentów AI a kosztem ich pracy"?
HarnessPro analizuje działanie agenta AI i proponuje zmiany w jego instrukcjach, narzędziach oraz zasadach pracy, by poprawić skuteczność lub ograniczyć koszt.
What are the key points to validate first?
HarnessPro analizuje działanie agenta AI i proponuje zmiany w jego instrukcjach, narzędziach oraz zasadach pracy, by poprawić skuteczność lub ograniczyć koszt. Zamiast wskazywać jedną najlepszą konfigurację, framework zachowuje trzy warianty: Lite, Medium i Heavy — od tańszego po nastawiony na wyższą skuteczność.[3][11]
What should I do next in practice?
W jednym z opisanych testów wariant Heavy osiągnął 80,8% zaliczonych zadań przy koszcie 0,72 dolara za zadanie; wynik dotyczy konkretnego zestawu modelu i benchmarku.[16]
Sources
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 ...