Google ra mắt Harness2, khung cải tiến đệ quy cho các tác nhân AI

Đội ngũ Google Cloud AI Research vừa chính thức phát hành mã nguồn mở dự án mang tên Harness² (Harness2). Đây là một khung tối ưu hóa đệ quy (recursive agent harnessing framework) tập trung vào việc cải thiện mã nguồn và các tệp cấu trúc vận hành xung quanh một mô hình ngôn ngữ cố định (frozen model). Thay vì phải chi trả chi phí đắt đỏ để đào tạo hoặc tinh chỉnh mô hình nền tảng, các kỹ sư phát triển có thể nâng cao hiệu suất hoạt động của tác nhân thông qua việc hoàn thiện hệ thống phối hợp.

Khái niệm khung bao bọc và tối ưu hóa tác nhân trong môi trường thực tế

Trong kiến trúc phần mềm AI, khung bao bọc (harness) bao gồm toàn bộ các thành phần hỗ trợ ngoài mô hình cốt lõi: từ lời nhắc (prompts), giao diện công cụ (tools), bộ nhớ (memory), kỹ năng (skills) cho đến cơ chế điều phối (orchestration). Quá trình tinh chỉnh các thành phần này được gọi là harnessing, và trọng số của mô hình hoàn toàn được giữ nguyên trong suốt chu trình.

Harness² được thiết kế nhằm phục vụ môi trường thế giới mở (open world). Tại đây, các tác vụ mới phát sinh liên tục mà không có sẵn nhãn kiểm chứng hay công cụ xác thực tính đúng sai của câu trả lời. Khác với các phương pháp tự cải tiến truyền thống vốn phụ thuộc lớn vào bộ dữ liệu gán nhãn hoặc các bài kiểm thử định sẵn, khung kiến trúc mới này có khả năng tự tinh chỉnh mà không cần điều kiện biên nói trên.

Hệ thống phân tách kiến trúc thành 8 thành phần có thể chỉnh sửa, mỗi thành phần được quản lý dưới dạng một tệp độc lập. Cấu trúc này bao quát quy trình xây dựng ngữ cảnh (context construction), giao diện công cụ (tool interface), cơ chế phân quyền (delegation) và các hành vi trong vòng lặp xử lý, mở rộng thêm một thành phần so với tiêu chuẩn 7 tệp từ các nghiên cứu kỹ nghệ harness trước đây.

Cơ chế đệ quy hai cấp và kết quả thử nghiệm thực tế

Harness² vận hành dựa trên hai cấp độ đệ quy liên kết chặt chẽ. Hệ thống sử dụng một tham số ngân sách k để mở rộng không gian tìm kiếm. Ở chế độ song song (parallel mode), hệ thống sẽ thăm dò k ứng viên bất biến (invariants) và k ứng viên theo miền dữ liệu (domain candidates), trước khi tổng hợp thành k cấu hình tối ưu. Ở chế độ tuần tự (sequential mode), khung xử lý sẽ xâu chuỗi k bước tinh chỉnh nối tiếp nhau.

Nhóm nghiên cứu đã tiến hành đánh giá hệ thống trên ba bộ điểm chuẩn chuyên nghiệp: WorkBuddy-Bench, JobBench và Harvey’s LAB. Các mô hình thực thi (executors) được thử nghiệm bao gồm Gemini 3.5 Flash và GLM-5 chạy dưới nền tảng OpenCode và Codex, với trình chỉnh sửa mặc định (editor) là Claude Opus 4.8.

Dữ liệu trung bình qua 3 lần chạy cho thấy các mô hình có năng lực xử lý thấp hơn lại ghi nhận biên độ cải thiện lớn nhất. Cụ thể, sau một bước tinh chỉnh, GLM-5 đã vượt qua điểm số cơ bản của Gemini 3.5 Flash trên bài kiểm tra WorkBuddy-Bench. Khi áp dụng cơ chế đệ quy song song ở mức k=5, điểm số của Gemini dưới môi trường OpenCode đã tăng lên mức 80,8.

Bên cạnh việc tăng độ chính xác, Harness² còn tối ưu hóa tài nguyên vận hành. Trên thang đo WorkBuddy-Bench, 3 trong số 4 cấu hình thử nghiệm đã giảm số bước xử lý trung bình cho mỗi tác vụ, tiêu biểu như phiên bản Gemini chạy OpenCode giảm từ 25,4 bước xuống còn 21,9 bước.

Yêu cầu kỹ thuật và triển khai hệ thống

Dự án Harness² tương thích tốt nhất với hệ điều hành Linux, môi trường Python 3.12 và trình quản lý gói uv. Các nhà phát triển có thể chạy thử nghiệm bản demo nội bộ để kiểm tra cả hai chế độ đệ quy mà không cần cung cấp thông tin xác thực mô hình.

Để vận hành đầy đủ các tính năng kết nối mô hình đám mây, môi trường triển khai yêu cầu nền tảng Node.js 20+, Google Cloud CLI cùng tài khoản dự án trên Vertex AI. Một số bài đo chuyên biệt sẽ cần cài đặt thêm các tiện ích bổ trợ như Pandoc, Poppler (đối với chuẩn LAB) hoặc Docker (đối với chuẩn WorkBuddy-Bench).

Nguồn: MarkTechPost

LIÊN HỆ TƯ VẤN CÁC DỊCH VỤ AI

Hỗ trợ tư vấn, đào tạo và chuyển giao AI cho cá nhân, doanh nghiệp và tổ chức.

📞 Điện thoại: 0981243678 Liên hệ qua Zalo