구글 연구진은 10월 9일 발표된 논문에서 AI 에이전트의 실행 하네스를 반복적으로 개선하는 플러그 앤 플레이 프레임워크 Harness²를 공개했습니다. 연구진은 에이전트의 능력이 기반 모델뿐 아니라 에이전트를 실행하는 하네스에도 달려 있다고 설명합니다. 자체 반복 개선(시스템이 결과를 활용해 자동으로 수정하는 방식)은 두 가지 개방형 과제에 부딪힙니다. 하네스를 설계할 때 접하지 못한 작업에는 실행 시 수정 방향을 안내할 정답 검증기가 없고, 특정 작업에 맞춘 개선은 낯선 상황에서 효과가 없을 수 있습니다.

Harness²는 서로 연결된 두 단계의 반복 과정을 사용합니다. 작업 단계에서는 대조 방식의 제안·탐색·조합 절차로 현재 작업에 맞게 하네스를 다듬으며, 정답 검증 없이 진행할 수 있고 병렬 또는 순차 방식으로 실행할 수 있습니다. 하네스 단계에서는 이런 편집 결과를 학습해 지속적으로 개선하는 하네스를 갱신하고, 에이전트가 후속 작업에 적응하도록 돕습니다.

전문 벤치마크 3종과 모델·하네스 구성 4개에서 Harness²를 한 차례 적용한 결과, GLM-5와 Gemini 3.5 Flash는 각각 기본 하네스보다 일관되게 개선됐습니다. 보고된 향상 폭은 WorkBuddy-Bench 11.5점, JobBench 4.5점, LAB 11.8%포인트입니다. 논문은 작업 단계의 반복 예산을 늘릴수록 추가 향상도 나타났다고 밝혔습니다.

구글 연구진은 10월 9일 발표된 논문에서 AI 에이전트의 실행 하네스를 반복적으로 개선하는 플러그 앤 플레이 프레임워크 Harness²를 공개했습니다. 연구진은 에이전트의 능력이 기반 모델뿐 아니라 에이전트를 실행하는 하네스에도 달려 있다고 설명합니다. 자체 반복 개선(시스템이 결과를 활용해 자동으로 수정하는 방식)은 두 가지 개방형 과제에 부딪힙니다. 하네스를 설계할 때 접하지 못한 작업에는 실행 시 수정 방향을 안내할 정답 검증기가 없고, 특정 작업에 맞춘 개선은 낯선 상황에서 효과가 없을 수 있습니다.

Harness²는 서로 연결된 두 단계의 반복 과정을 사용합니다. 작업 단계에서는 대조 방식의 제안·탐색·조합 절차로 현재 작업에 맞게 하네스를 다듬으며, 정답 검증 없이 진행할 수 있고 병렬 또는 순차 방식으로 실행할 수 있습니다. 하네스 단계에서는 이런 편집 결과를 학습해 지속적으로 개선하는 하네스를 갱신하고, 에이전트가 후속 작업에 적응하도록 돕습니다.

전문 벤치마크 3종과 모델·하네스 구성 4개에서 Harness²를 한 차례 적용한 결과, GLM-5와 Gemini 3.5 Flash는 각각 기본 하네스보다 일관되게 개선됐습니다. 보고된 향상 폭은 WorkBuddy-Bench 11.5점, JobBench 4.5점, LAB 11.8%포인트입니다. 논문은 작업 단계의 반복 예산을 늘릴수록 추가 향상도 나타났다고 밝혔습니다.