google-research/harness2 は、モデルを固定したまま、エージェントがタスク実行用のツール・指示・記憶構成を反復的に改善できる公開の研究コードである。ここでのハーネスとは、システムプロンプトとツール、記憶、スキルをまとめてモデルがタスクを実行できる環境のこと指す。モデル重みを別途変更する手法ではない。リポジトリには最新リリースに関する情報は記載されていない。
この枠組みは、現在のタスク実行結果を比較して次の構成を生成し、根拠のある改善内容を後続のタスクにも蓄積していく。タスクごとの結果を次の設定に反映する循環構造が核心である。したがって改善の焦点はモデル自体ではなく、モデルを取り巻く実行環境と指示にある。リポジトリには、専門業務や法律業務などを扱う複数の評価スイートについて、実行・採点・レポート用のツールと導入手順も含まれている。Python で記述され、Apache-2.0 ライセンスで公開されている。評価ツールが提供されているという事実が、複数の業務で改善が実証されたことを意味するものはない。
性能改善の数値はリポジトリが提示した試験結果であり、独立に確認された結果として扱うことはできない。この資料だけでは、提示された改善が外部条件の下でも再現するか判断しにくい。したがって harness2 の核心は、モデルを変更せずにハーネスを反復的に調整して結果を蓄積する研究の枠組みにあり、その性能効果は独立検証が得られるまで、リポジトリ自身の試験範囲の中で読むべきである。