Google apresenta Harness², sistema que ensina agentes de IA a melhorarem-se a si próprios
A Google publicou o paper "Harness²: Recursive Agent Harnessing for an Open World", um método para agentes de IA melhorarem autonomamente o seu próprio processo de execução, mesmo em tarefas novas.
Assinado por Ruiyao Xu, Yanfei Chen, Zhongying CuiZhu e colegas da Google, o paper parte de um problema prático: o desempenho de um agente de IA depende tanto do modelo como da forma como este é orquestrado (o "harness"), mas em cenários novos não há verificadores de referência para guiar melhorias automáticas.
O Harness² usa dois níveis de recursão: a nível da tarefa, um passo contrastivo refina o harness sem precisar de respostas certas conhecidas; a nível de harnessing, a experiência acumulada atualiza um harness de melhoria contínua para tarefas futuras. Testado com os modelos GLM-5 e Gemini 3.5 Flash, um único passo de melhoria elevou o desempenho em até 11,8 pontos percentuais no benchmark LAB.
Perguntas frequentes
O que é um "harness" de agente de IA?
É a camada de software que controla como um modelo recebe instruções, usa ferramentas e decide os próximos passos — distinta do modelo em si.
Quais os ganhos de desempenho reportados?
Até 11,8 pontos percentuais no benchmark LAB, com melhorias também noutros dois benchmarks, usando os modelos GLM-5 e Gemini 3.5 Flash.
Fontes
- arXiv 2610.14224 arxiv.org
- Hugging Face Daily Papers, 14/10/2026 huggingface.co
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.