AI Google rilascia Harness², agenti che migliorano da soli

Il sistema prova più varianti dell'«imbracatura» di un agente sullo stesso compito, confronta come si comportano e tiene le lezioni per i compiti successivi. Il modello resta lo stesso.

Il contesto

Un agente AI non è solo il modello linguistico. Intorno c'è quella che gli sviluppatori chiamano harness, l'imbracatura: le istruzioni di sistema, gli strumenti che può usare, la memoria, le abilità, l'orchestrazione dei passaggi. Spesso è proprio questa parte a fare la differenza tra un agente che porta a termine un lavoro e uno che si perde.

Migliorare l'imbracatura a mano richiede tempo ed esperienza. L'idea della «auto-miglioramento ricorsivo» è far fare questo lavoro all'agente stesso. Il problema, spiegano gli autori nel paper su arXiv, è che nel mondo reale i compiti sono nuovi e non esiste una risposta giusta già nota con cui verificare se una modifica funziona. Harness² prova a risolvere proprio questo.

I fatti, punto per punto

• Due livelli. Il primo livello migliora l'imbracatura per il compito corrente; il secondo aggiorna una «imbracatura di miglioramento» persistente con le configurazioni adottate e le lezioni apprese, da usare nei compiti futuri (GitHub, arXiv).
• Proponi, prova, componi. Il sistema propone modifiche, ne prova gli effetti sullo stesso compito e costruisce una versione migliore confrontando il comportamento delle diverse esecuzioni, senza bisogno di una risposta corretta di riferimento.
• I risultati. Su tre benchmark professionali e quattro combinazioni di modello e imbracatura, un solo passaggio migliora GLM-5 e Gemini 3.5 Flash: fino a +11,5 punti su WorkBuddy-Bench, +4,5 su JobBench e +11,8 punti percentuali sul tasso di superamento parziale di LAB. Con più passaggi i guadagni crescono.
• Cosa supporta. Ricorsione in parallelo e in sequenza, esecutori OpenCode e Codex, e i benchmark JobBench, LAB e WorkBuddy-Bench.
• Licenza. Apache 2.0; codice e benchmark di terze parti mantengono le loro licenze. Il repository precisa che non è un prodotto Google ufficialmente supportato.
• Gli autori. Il paper è firmato da ricercatori di Google Cloud AI Research e della Northwestern University.

Un esempio concreto

Pensiamo a un agente che deve preparare un report da una serie di fogli di calcolo. Con Harness², invece di correggere a mano le istruzioni dopo ogni errore, il sistema prova per esempio tre varianti: una con istruzioni più precise sul formato, una con uno strumento in più per leggere i file, una con una memoria dei passaggi già fatti. Confronta come si sono comportate le tre esecuzioni e compone una versione che prende il meglio di ciascuna.

La lezione appresa, per esempio «controlla sempre le intestazioni delle colonne prima di calcolare», viene salvata. Quando arriva un compito diverso, l'agente parte già da quella esperienza. Tutto senza riaddestrare il modello, che resta quello di partenza.

I guadagni dichiarati

Fonte: README del repository google-research/harness2 e paper arXiv 2610.14224. Sono i casi migliori misurati dagli autori, non medie.

Cosa succede adesso

• Il codice è disponibile su GitHub: attese verifiche indipendenti dei risultati.
• Da capire se le configurazioni trovate si trasferiscono bene a compiti che non hanno partecipato all'ottimizzazione.
• Mancano dati su tempi e costi delle esecuzioni di prova.