A divisão de pesquisa em inteligência artificial do Google disponibilizou o código aberto do Harness², uma estrutura de adaptação recursiva voltada para aprimorar o ambiente de execução em torno de modelos congelados. O sistema parte do princípio de que um agente inteligente pode obter ganhos expressivos de desempenho sem a necessidade de treinar novos parâmetros ou recorrer a modelos maiores. Em sua versão 0.1.0, a ferramenta atua diretamente sobre o conjunto de códigos, diretrizes e instruções operacionais que intermediam a comunicação entre o modelo de linguagem e as tarefas executadas em ambiente real.
O conceito de arnês operacional abrange todos os elementos estruturais externos ao modelo, incluindo prompts de sistema, ferramentas integradas, memória, habilidades operacionais e lógica de orquestração. Enquanto os pesos do modelo permanecem intactos, o processo de aprimoramento contínuo ajusta a arquitetura de suporte para lidar com tarefas abertas e inéditas, onde não existem rótulos prévios ou verificadores externos para apontar respostas corretas. A proposta do projeto é justamente superar a dependência de casos de teste estruturados ou supervisão externa, características presentes na maioria dos métodos convencionais de autoaperfeiçoamento.
A arquitetura do sistema expõe oito componentes editáveis organizados em arquivos independentes, expandindo trabalhos anteriores da área que utilizavam divisões de sete arquivos. Essa divisão abrange a construção de contexto com regras de processo, memória persistente e instruções gerais, além da interface de ferramentas, subagentes e rotinas de mediação de comportamento. Na prática, o editor automatizado pode reescrever desde prompts e proteções operacionais até scripts executáveis, habilidades especializadas de domínio e regras de mediação interna do ciclo de ferramentas.
O processo de refinamento recursivo opera em dois níveis integrados. No nível da tarefa, o mecanismo executa uma rodada comparativa com etapas de proposta, sondagem e composição. Após uma execução inicial de referência com a configuração básica, o sistema elabora dois candidatos de teste: um invariante, voltado para falhas gerais de planejamento e uso de ferramentas, e outro específico para o domínio do problema. Ambos são executados na mesma tarefa, permitindo ao componente de composição comparar trajetórias e manter apenas as alterações comprovadas na prática, sem exigir rótulos de gabarito.
No segundo nível de recursão, executado após cada atividade, um módulo de reflexão armazena o arnês aprovado e registra aprendizados em um arquivo de lições práticas. Essa biblioteca orienta futuras propostas sem que o modelo precise reter alterações anteriores de forma rígida, uma vez que cada nova tarefa recomeça a partir da base inicial. Testes da equipe indicaram que a remoção dessa biblioteca de aprendizados acumulados provocou quedas de pontuação, evidenciando o papel do histórico de execução nas etapas seguintes.
Nos testes com os conjuntos de avaliação WorkBuddy-Bench, JobBench e LAB, executados sobre os modelos Gemini 3.5 Flash e GLM-5 nas plataformas OpenCode e Codex, uma única etapa de refinamento aumentou os índices em todas as combinações. O GLM-5 apresentou os maiores ganhos, subindo 11,5 pontos no WorkBuddy-Bench sob a base OpenCode, ao passar de 64,2 para 75,7 pontos, superando inclusive o Gemini 3.5 Flash básico. Além disso, a abordagem reduziu o número de etapas necessárias para concluir certas tarefas complexas, demonstrando maior eficiência operacional.
O projeto foi desenvolvido sob a licença de código aberto Apache-2.0 por pesquisadores da Google Cloud AI Research em colaboração com a Northwestern University. O código-fonte, a documentação de uso e os arquivos do projeto estão disponíveis publicamente no repositório no GitHub e detalhados na publicação científica oficial registrada no arXiv.
