一句话看懂：Hugging Face Papers 收录的论文 Harness^2 提出一种即插即用的递归智能体执行框架，通过任务级和框架级两层递归，在没有标准答案验证器的情况下自动改进大模型智能体的执行外壳，并在多个基准上取得提升。值得关注的是，它试图回答“开放式任务中智能体如何自我进化”这一关键问题。
事件核心：发生了什么
根据 Hugging Face Papers 上公开的论文摘要（发布时间为 2026 年 10 月 9 日），研究者提出 Harness^2，一个即插即用的递归智能体框架。该工作关注的是：大模型智能体的能力不仅取决于底层模型本身，也取决于其执行外壳（harness）。递归自我改进（RSI）被用来自动演化这些外壳，但在开放世界场景中面临两个难题：开放任务在框架设计阶段通常不可见、测试时又是全新的，因此没有可靠的 ground-truth 验证器来指导在线修改；同时 RSI 过程往往高度依赖具体任务，难以迁移到新场景。
Harness^2 通过两层递归应对：任务级递归使用对比式“提出—探测—组合”步骤，在没有真值验证器的情况下引导框架修改，并可通过并行或顺序方式扩展；框架级递归则从这些修改中提取经验，更新一个持续改进框架，让智能体更好适应未来任务。摘要称，在三个专业基准和四种模型—框架配置中，单步改进即可让 GLM-5 和 Gemini 3.5 Flash 超过其基础框架，WorkBuddy-Bench 提升最高 11.5 分，JobBench 提升 4.5 分，LAB 提升 11.8 个百分点，且任务级递归预算增加后还有进一步收益。
为什么重要
目前多数智能体产品依赖人工设计的提示词、工具调用流程和记忆机制，改进方式偏向手工调优。Harness^2 的价值在于，它尝试把“执行外壳”本身变成可递归优化的对象，并且强调在开放、无标准答案的任务中也能进行修改。如果这条路走通，智能体的性能提升可以不再只依赖更大的模型或更多算力，而是来自推理过程中对框架的自动调整。这对闭源和开源模型同样有参考意义，也可能影响 AI 应用的工程化路径。
对用户/开发者/创作者的影响
对开发者而言，这类研究提示智能体框架可以像软件一样被自动迭代，未来可能出现更通用的智能体中间件或 API，减少为每个任务手写工作流的成本。对使用大模型的设计者和创作者来说，这意味着同样模型在不同外壳下表现差异可能继续扩大，选择或自建合适的执行框架变得更重要。不过，目前公开信息仅为论文摘要，尚未核验全文实验细节，也没有证据表明该框架已集成到可用的产品中，因此短期内不必将其视为现成工具。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Harness^2 是否会在更多模型和真实开放任务上复现摘要中的提升，尤其是无验证器条件下的稳定性。第二，该方法能否被主流智能体框架或 API 平台吸收，形成可落地的开发工具。第三，任务级递归预算与算力成本之间的权衡，将决定它是否适合生产环境。
