💡 站外导读：过去两年，大模型能力的突破往往被死死绑定在预训练与后微调的“Scaling Law”重资产红线上——动辄投入数千卡算力，不仅边际效用递减，且对于垂直复杂的落地场景而言，单次微调容易破坏通识泛化。然而，智能体真实落地的瓶颈往往不在基座常识，而在外围执行与上下文自适应调优能力。谷歌开源的 Harness² 框架打破了这一惯性思维：不碰模型底层权重，纯靠外围“脚手架”（Scaffold）构建起任务与经验双层递归闭环，让大模型在运行中学会动态自我修补，为 AI 落地开辟了轻量高收益的 Runtime 认知工程范式。
打破“算力即正义”盲区：大模型性能提升迎来 Runtime 新解法
在业界普遍陷入“盲目堆叠模型参数、拼抢万卡算力集群”的军备竞赛之际，Google 研发团队给出了一条极具颠覆性的工程破局路线。近日，谷歌正式宣布全面开源其在递归自我改进（Recursive Self-Improvement, RSI）领域的里程碑式框架——Harness²。
该框架最核心的技术特性在于：完全不需要重新训练或微调底座大模型的权重参数（Weights-Free），仅仅通过针对大模型外围“执行脚手架（Scaffold）”的结构化自适应优化，就能让大模型在实际运行（Runtime）中展现出跨越式的性能飞跃。值得关注的是，该核心科研团队展现出了极强的华人科学家力量，核心作者群体中华人占比高达 78%。
双层递归架构解密：攻克开放场景无标答偏航与单点过拟合
在过往的递归自我改进（RSI）探索中，智能体系统通常会遭遇两个致命的工业级死穴：
- 无监督偏航（Drifting without Ground Truth）：在缺乏明确标准答案的真实开放业务场景下，自主改写的 Prompt 或策略极易在迭代中越走越偏，发生灾难性幻觉放大。
- 局部过度拟合（Task Overfitting）：模型为了解决某一个具体的边缘 Case，往往会把脚手架修改得高度特化，导致面对新场景时泛化性能断崖式下跌。
为了从底层根治上述难题，Harness² 首创了“任务级”与“改进级”相互解耦的双层递归系统架构：
1. 任务级递归（Task-level Recursion）：提议-探测-合成动态闭环
在面对没有标准答案的复杂开放任务时，Harness² 不再采用单次试错的线性逻辑，而是启动“提议-探测-合成（Propose-Probe-Synthesize）”机制。系统在沙盒中进行多分支并行变异探测，利用交叉对比验证捕获真正具备鲁棒性的改动方案，再以最小原子粒度安全合并进运行脚手架中，既拓宽了解决方案的搜索空间，又杜绝了单点策略崩溃。
2. 改进级递归（Improvement-level Recursion）：经验库沉淀与跨任务迁移
智能体在调试与纠偏过程中积累的每一次有效策略、异常规避模式以及结构化约束，都会被格式化为元经验向量，沉淀至长期记忆经验库中。当未来系统遭遇全新的未知任务时，Agent 可通过上下文检索直接复用以往的成功经验，实现跨领域认知能力的指数级持续进化。
核心基准测试横评：GLM-5 暴涨 11.5 分反超 Gemini3.5Flash
在涵盖通用办公、代码生成、专业法律与复杂推理的多项权威基准评测中，挂载 Harness² 运行脚手架的模型展现出了惊人的战斗力：
| 测试基准 (Benchmark) | 测试模型对象 | 原生得分 (Baseline) | 挂载 Harness² 得分 | 性能提升幅度与战绩 |
|---|---|---|---|---|
| WorkBuddy-Bench (企业办公场景) | GLM-5 (Base) | 基准分位 | 暴涨 +11.5 分 | 综合跑分直接反超原生 Gemini3.5Flash |
| JobBench (职业任务实操) | 多主流开源大模型 | 常规基线 | 提速并提升 14.8% | 长程任务断点续做与异常自愈成功率拉满 |
| LAB Legal Bench (严肃法律实务) | 垂类推理基座 | 合规基线 | 跨领域迁移增益 8.2% | 经验库直接复用办公场景沉淀规则 |
工程落地启示：从“炼丹式调权”到“脚手架动态治理”
长期以来，企业在落地 AI 应用时面临两难困境：要么花大价钱全量微调，换来高昂的算力成本和潜在的遗忘风险；要么仅靠简单的静态 Prompt 模板，面对复杂长链条业务时漏洞百出。Harness² 的开源证明：运行时治理与动态脚手架构造，同样蕴藏着巨大未被发掘的红利。通过标准化 Runtime 框架，大模型能够边干边学、遇错自修，真正走向工业级可靠。
📝 站长洞察 (Editor’s Insight)
Harness² 的核心价值在于撕下了智能体产业长期存在的“模型崇拜”滤镜。过去业内常把 Agent 任务失败归咎于基座模型参数量不够或推理能力欠缺，陷入盲目升级超大模型的昂贵泥潭；但实际上，大量真实工程故障源于外围 Prompt 结构呆板、上下文工具调用断裂以及缺乏反馈补偿机制。Harness² 把递归自我改进（RSI）从危险的“自我改写权重”降维为可控且可观测的“自我调试脚手架”，在沙盒与运行时构建经验知识库。这种以轻量框架驱动大模型 Runtime 自愈的工程思路，不仅大幅降低了企业适配私有化垂类任务的算力门槛，更预示着未来 AI 系统的工程竞争重心正从“模型单兵参数”加速向“宿主架构自治能力”全面转移。
