#Benchmark Evaluation (1)

Google 开源的递归式 agent harness 优化框架：任务级用对比式 Propose–Probe–Compose 在无真值反馈下改进当前 harness，harnessing 级把被采纳的 harness 与证据沉淀为领域经验库，指导后续任务。权重全程冻结，单步就把 GLM-5 与 Gemini 3.5 Flash 在三个专业基准上抬升最高 11.5 分。