Google、モデル再学習不要のAIエージェント改善フレームワーク「Harness²」を公開
Googleがオープンソースで公開したHarness²は、システムプロンプトやツール利用の指示など実行環境を修正し、モデルの重みを変えずにエージェントの性能を高める。
Googleは2026年10月19日、AIエージェントの性能をモデルの再学習なしで改善するオープンソースのフレームワーク「Harness²」を公開した。システムプロンプトやツール利用のガイダンス、メモリ、手順など環境ファイルを修正することで、エージェントの実行を改善する仕組みだ。
Harness²は「Propose-Probe-Compose」と呼ぶ対照的な手法を採用する。同じタスクに対して2つの修正案を比較し、別途の正解検証器を必要としない。ハーネス層では、過去のタスクから得た教訓を「LESSONS」と呼ぶライブラリに記録し、新しいタスクではベースハーネスから修正案を再提示する。
評価はWorkBuddy-Bench、JobBench、HarbyのLABで、GLM-5とGemini 3.5 Flashを用い、複数のハーネス構成で実施された。1回の改善ラウンドで、テストした4つのモデル・ハーネス構成すべての3ベンチマークでスコアが上昇した。
GLM-5とOpenCodeの組み合わせでは、WorkBuddy-Benchが64.2点から75.7点に上がり、JobBenchは最大4.5点、LABの合格率は最大11.8ポイント改善した。一方、GLM-5とCodexの組み合わせでは、JobBenchは23.6点から24.8点にとどまった。
従来、AIの性能向上はモデルの再学習や正解が既知の評価データの利用を伴うことが多かった。Harness²はモデルの重みではなく実行環境の調整によって改善を図る点が異なる。GoogleはHarness²をGitHubでオープンソースとして公開している。aitimes.comが報じた。
よくある質問
Harness²はどこで公開されていますか？
GoogleがGitHubでオープンソースとして公開しています。
Harness²はモデルの再学習が必要ですか？
不要です。システムプロンプトやツール利用の指示、メモリ、手順などの環境ファイルを修正してエージェントを改善します。
Harness²はどのベンチマークで評価されましたか？
WorkBuddy-Bench、JobBench、HarbyのLABで、GLM-5とGemini 3.5 Flashを用いて評価されました。