¿Es necesario recurrir a la acumulación ciega de parámetros y al uso excesivo de potencia de cálculo para mejorar el rendimiento de los modelos de IA? Google ha proporcionado una solución completamente nueva.
Recientemente, Google ha abierto oficialmente al público su último logro innovador en el campo de la mejora recíproca autónoma (RSI): el framework Harness². Este sistema rompe con las dependencias de rutas tradicionales; sin necesidad de modificar los pesos del núcleo del modelo grande, solo mediante la optimización del escenario de ejecución (Scaffold), se logra un aumento exponencial en el rendimiento del modelo grande. Cabe mencionar que el equipo de desarrollo central de este framework tiene un 78% de miembros chinos.
Superar las principales debilidades de dos industrias: recursividad de doble nivel a nivel de tarea y a nivel de mejora
Los esquemas anteriores de RSI (Recursivo Self-Improvement) solían enfrentar dos problemas principales: primero, era fácil “desviarse” cuando no había respuesta estándar; segundo, era muy fácil ajustarse en exceso a una tarea individual. Por eso, Harness² introdujo de manera innovadora una arquitectura recursiva de doble capa:
Recursión a nivel de tarea (mecanismo propuesta-detección-sintesis): en escenarios abiertos sin respuesta estándar, el sistema utiliza verificaciones comparativas de varios pasos para integrar de manera segura los cambios efectivos en la plataforma de ejecución, y al mismo tiempo soporta expansión paralela para ampliar significativamente el espacio de búsqueda.
Recursividad de nivel mejorado (acumulación y reutilización de la base de experiencia): Se acumulan las valiosas experiencias obtenidas durante el depuración en una base de experiencia para el mejora continua. Cuando se enfrenten tareas nuevas en el futuro, el Agente puede buscar y reutilizar directamente la experiencia histórica, logrando así un iteración continua y eficiente de su capacidad de mejora.
El rendimiento real es impresionante: las puntuaciones aumentan en toda la línea, y la capacidad de migración entre diferentes campos está al máximo.
En varios pruebas de referencia autorizadas, el rendimiento real de Harness² es realmente impresionante:
En las pruebas del marco de referencia de oficina WorkBuddy-Bench, la puntuación GLM-5 después de integrar este framework aumentó directamente en 11.5 puntos, e incluso superó a la versión original Gemini3.5Flash.
En pruebas en múltiples campos como JobBench y el laboratorio de estándares legales, el rendimiento del modelo también ha experimentado una mejora significativa; además, al transferir la experiencia de los datos entre campos, se puede aumentar aún más su desempeño.
Iniciar el nuevo camino de ingeniería cognitiva en Runtime
La introducción de este logro marca que la industria está saliendo de la tradicional dependencia del escalado de parámetros del modelo base (Scaling Law), y está explorando oficialmente un nuevo camino en ingeniería de cognición en tiempo de ejecución que permite a los Agent percibir y repararse a sí mismos durante su funcionamiento. Con la open source total de Harness², los desarrolladores podrán, con un costo muy bajo, hacer que sus modelos de IA evolucionen continuamente y se vuelvan más inteligentes a medida que se usan.