Google Research merilis Harness kuadrat di bawah lisensi Apache 2.0 sebagai framework untuk meningkatkan sistem di sekitar model yang tetap secara rekursif. Lingkaran tugasnya mengusulkan perubahan harness, mengujinya pada tugas yang sama, dan merangkai konfigurasi yang lebih baik, sementara lingkaran kedua menyimpan pelajaran berbasis bukti lintas tugas. Google melaporkan kenaikan hingga 11,5 poin di WorkBuddy-Bench, 4,5 poin di JobBench, dan 11,8 poin persentase di LAB partial-pass rate tanpa mengubah bobot model.
Gagasan ini menandai pergeseran penting: peningkatan tidak selalu datang dari model yang lebih besar, melainkan dari sistem di sekelilingnya yang belajar dari pengalaman sendiri. Bagi pembangun agen, Harness kuadrat menawarkan cara terbuka untuk membuat agen makin andal tanpa harus melatih ulang model dari nol.
Sumber: Jarvis’s Chronicle
