谷歌AI智能体:模块化改代码,成功率从5.0%升至40.0%

资讯 凤凰科技 作者:凤凰网科技 全文 1216 字 · 约 4 分钟读完 配图 1 张 分类Google智能体

谷歌研究提出一种可自我改进的Harness框架,让优化模型通过修改代码而非仅调整提示词来提升智能体执行效率。实验中模块化修改并通过验证筛选的方案把任务成功率从5.0%提高到40.0%,每项任务约消耗4.67万Token;不受限整体重写虽达42.5%,但Token消耗约45.16万,接近前者的10倍。

所属频道 大厂动态智能体与 Agent

北京时间11月20日,谷歌发布了一篇题为《Harnesses That Improve Themselves》(《能够自我改进的Harness》)的研究论文。论文提出,AI智能体若能持续优化自身的运行框架,任务完成能力会明显提升。在一项软件工程测试中,采用模块化修改加验证机制的AI智能体,任务成功率由5.0%升至40.0%,Token消耗也比整体重写方案低得多。

谷歌最新研究:AI智能体只改一处代码,任务成功率暴涨8倍

这里的Harness,指的是围绕AI模型搭建的一整套运行框架:管理上下文、调用工具、检查任务执行结果,还负责判断何时停止工作。研究指出,同一套Harness放在不同AI模型上,表现可能差得很远;为某个模型调优过的框架,换到另一个模型上,可能会出现任务卡住不动,或者Token消耗过高等情况。

针对这个问题,研究人员给出了一种能自我改进的Harness框架:让优化模型直接改代码来提升智能体的执行效率,而不是停留在调整提示词上。

实验中,研究人员用了一套只有142行代码的编程智能体Harness,把它拆成四个可编辑模块。每轮优化只准改动其中一个模块,改完用验证集测效果,同时设下Token使用上限。只有通过验证要求的修改才会被留下,通不过的就丢掉。

测试用的是Gemini 3.8 Flash模型,题目是40道未参与优化的SWE-bench Lite软件工程任务。结果是:初始Harness只能解决5.0%的任务;经过模块化优化和验证机制筛选之后,成功率到了40.0%,平均每项任务消耗约4.67万Token。

作为对照,如果放开限制、让优化模型整体重写Harness,任务成功率能到42.5%,比模块化方案略高一点,但平均每项任务要烧掉约45.16万Token,接近前者的10倍。

还有一组对比实验:只用提示词规则去约束智能体行为,任务成功率反倒掉到了2.5%。

这说明,把智能体的运行框架做得更复杂,未必就能换来更高的执行效率。整体重写方案的成功率确实略高,可Token成本涨得厉害;逐个模块优化、再设一道验证门槛,任务表现和计算成本之间的平衡会更好。

研究还强调,智能体那些重要的运行约束,应该尽量用代码机制落实,别只靠提示词。比如每次修改都跑自动测试,拿任务成功率和Token消耗当依据,决定接受还是拒绝这次修改,这样能少浪费资源在无效优化上。

AI智能体正从简单问答走向软件开发、多工具调用和复杂任务执行,Harness对模型实际表现的影响越来越大。这项研究给出的新思路是:底层模型不用重新训练,改进模型外围的执行框架,同样能提高任务完成率和Token使用效率。

不过,目前的结论主要来自特定模型和40道软件工程测试任务。这套方法能不能在更多模型、不同类型的智能体任务以及长期运行环境中拿到类似效果,还需要进一步验证。(编辑/于雷)

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  2. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  3. 蚂蚁国际杨鹏:AI与通证化重塑资金流动,普惠可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  4. 蚂蚁国际杨鹏SFF谈未来金融:AI重塑资金流动,普惠与可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  5. 上市前一天,80余位学界与AI大佬联合声明:“Anthropic不是一家安全的AI公司”

    【TechWeb】11月18日,Anthropic正式确定IPO发行价为每股83美元,高于此前70-78美元的指导区间;公司连同部分股东共发行约9.8亿股A类普通股,公开发行筹资约813亿美元,叠加向谷歌、英伟达、微软等战略投资者的260亿美元私募配售,合计融资规模突破944亿美元,超越SpaceX今年6月创下的纪录,

    来源 AI 行业观察
  6. AI智能体“闯入”银行系统?亚利桑那州对OpenAI等企业启动刑事调查

    【TechWeb】11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。” 梅耶斯透露,其办公

    来源 AI 行业观察
  7. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  8. 多家银行:AI智能体擅自动账,损失算谁的?

    根据 Business Insider 查看的银行邮件和应用通知,银行实际上是在提醒用户:如果 AI 智能体获得了访问金融账户的权限,其执行的操作可能被视为用户本人的行为,而不是外部入侵者实施的操作。

    来源 凤凰科技
  9. Meta Muse Charm定价300美元:可直连AI,赠12个月5G流量

    据The Information报道,Meta计划将新款AI设备Muse Charm定价为300美元,该设备配备屏幕和指纹传感器,用户触碰即可直接与Muse AI智能体语音对话,无需解锁手机。设备还可能附赠Verizon提供的12个月免费5G数据套餐,Meta未直接确认定价。

    来源 凤凰科技
  10. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  11. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  12. 谷歌Gemini 4 Neon发布:100万token上下文,速度达Carbon三倍

    谷歌11月18日发布新AI模型Gemini4Neon,聚焦复杂推理与多步骤任务自动化,重点覆盖复杂编程、科学研究和企业工作流,力求平衡推理能力、响应速度与运行成本。该模型已向开发者、企业及部分付费订阅用户开放,核心亮点是支持100万token超长上下文,并具备多智能体协同能力。

    来源 AI 产业速递
  13. 谷歌DeepMind发布SIM记忆法:让AI跨模型持续自我改进

    智东西11月19日报道,近日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自改进记忆,实现持续递归式自改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement),提出了一种名为自我改进记忆(Sel

    来源 AI 行业观察
  14. Snowflake Expedition 2026:AI智能体与实时流式升级?

    2026 年 Snowflake Expedition 大会上,Snowflake 展示了一系列覆盖平台架构的重大升级,正逐步由云数据平台演进为支持自主 AI 智能体、实时流式应用和对话式商业智能的统一引擎。 此次发布围绕一个核心理念展开:AI 的价值取决于其所依托的企业业务上下文。 通过引入原生业务本体(Busine

    来源 AI 行业观察
  15. 谷歌AI模式上线临时线程:搜索不留痕,服务器端仍存约两个月

    11月18日, 谷歌 宣布在全球桌面端及移动端浏览器的 搜索AI模式 中正式推出“临时线程”(Temporary Threads)功能,允许用户发起私密、非个性化的即时搜索,使其查询记录不留存于个人历史且不干扰后续算法推荐。 该功能借鉴了独立应用 Gemini 的临时聊天机制,用户无需修改账户隐私设

    来源 AI 开发者社区
  16. Snowflake前沿工程团队:七周定制医疗AI模型,编码效率最高提升八倍

    2026 年,智能体将在企业级应用中取得哪些实质性突破?点击下载《2026 年 AI 与数据发展预测》白皮书,获悉专家一手前瞻,抢先拥抱新的工作方式! 对于大多数企业而言,有前景的 AI 试点项目并不稀缺。真正的挑战在于,如何通过严格的评估、明确的数据所有权归属以及可信的数据治理,将这些试点项目转化为业务可以信赖的生产

    来源 AI 行业观察
  17. 谷歌Chrome造“平行互联网”:AI代理先在沙盒里犯错

    为了让AI浏览代理在真实网页上替用户办事,谷歌Chrome团队搭建了一个与真实互联网平行的“镜像维度”沙盒。在这个替代宇宙里,代理可以尽情犯错、暴露失控风险,而不会波及真实用户。这既是浏览器AI竞赛的基础设施,也折射出AI代理安全测试的行业难题。

    来源 AI 科技快讯
  18. 李开复:AI转型只看“智能体数量”是荒谬笑话

    零一万物CEO、创新工场董事长李开复表示,企业AI转型如果只看“智能体数量”是“荒谬的笑话”。他认为智能体上线率、账号数、节省工时只是过程指标,管理层最终要看收入、利润和现金流,并建议CEO在AI汇报会上追问竞争优势是否仍然成立。

    来源 凤凰科技
向下滚动自动加载更多