AIHere

Google publie en open source Harness2, qui permet aux agents d'IA de réécrire leur propre harnais

Google Research a publié Harness2 sous licence Apache-2.0, un cadre qui réécrit le harnais d'un agent au moment du test. Une seule étape a permis à GLM-5 de gagner 11,5 points.

Rédaction AIHere· 1 min de lecture🇺🇸 États-Unis
Illustration plate d'un agent d'IA abstrait réorganisant les connexions qui l'entourent.
Photo: Asoundd / Wikimedia Commons, CC BY-SA 4.0

Google Research a publié Harness2, un cadre open source destiné aux agents d'IA, sous licence Apache-2.0. Annoncé le 18 octobre 2026, cet outil réécrit le harnais qui entoure un agent pendant que celui-ci est testé, au lieu de laisser cette structure figée.

Selon le résumé publié, une seule étape d'affinage a fait progresser de 11,5 points le score du modèle GLM-5 sur WorkBuddy-Bench. Ce gain aurait été obtenu sans aucune mise à jour des poids du modèle.

Pourquoi le harnais compte

Dans les systèmes d'agents, le harnais désigne la couche qui entoure un modèle : ses instructions, les outils qu'il peut appeler et la logique de contrôle qui détermine le déroulement d'une tâche. Un même modèle peut donner des résultats très différents selon cette configuration. Harness2 adopte une approche récursive, qui laisse le système redessiner cette couche au lieu de compter sur des ingénieurs pour l'ajuster à la main.

Comme aucun réentraînement n'est nécessaire, cette approche ouvre la voie à une capacité accrue des modèles existants, sans coûteux cycles d'entraînement. Cela pourrait séduire les équipes qui n'ont pas les moyens de construire ou d'affiner leurs propres modèles.

Questions en suspens

Les informations publiques restent limitées pour l'instant. On ne sait pas encore si des gains similaires se vérifient avec d'autres modèles et d'autres benchmarks, ce qui se passe sur plusieurs étapes d'affinage, ni combien de puissance de calcul supplémentaire le processus exige. L'amélioration annoncée de 11,5 points ne concerne qu'un modèle sur un seul benchmark.

La licence permissive permet néanmoins à des chercheurs extérieurs de vérifier eux-mêmes ces affirmations. Cette publication s'inscrit dans une conviction grandissante du domaine : la performance des agents dépend non seulement du modèle sous-jacent, mais aussi de la structure construite autour de lui, et Harness2 propose une tentative concrète d'automatiser cette partie du travail.

#Google#agents IA#open source#Harness2#GLM-5

Commentaires

Soyez respectueux. Les commentaires sont vérifiés automatiquement ; le spam, les insultes et les données personnelles sont supprimés. Les questions peuvent recevoir une réponse de l'IA.

Aucun commentaire pour le moment. Lancez la discussion ou posez une question.

Articles liés