🤖 AI

HarnessBridge: Learnable Bidirectional Controller for LLM Agent Harness

Dieses Paper stellt HarnessBridge vor, einen leichtgewichtigen, lernfähigen bidirektionalen Controller, der die Agent-Umwelt-Schnittstelle durch Beobachtungs- und Aktionsprojektionen automatisiert und dabei eine Leistung erzielt, die mit spezialisierten manuellen Harnesses vergleichbar oder sogar besser ist, während er gleichzeitig den Token-Verbrauch und die Trajektorienlänge über verschiedene LLMs hinweg signifikant reduziert.

Ursprüngliche Autoren: Xiaoxuan Wang, Haixin Wang, Alexander Taylor, Jason Cong, Yizhou Sun, Wei Wang

Veröffentlicht 2026-06-12

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Xiaoxuan Wang, Haixin Wang, Alexander Taylor, Jason Cong, Yizhou Sun, Wei Wang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie stellen einen brillanten, aber etwas zerstreuten Detektiv (den KI-Agenten) ein, um ein komplexes Rätsel zu lösen, das Tage braucht, um geknackt zu werden. Der Detektiv ist unglaublich klug, hat aber eine schlechte Angewohnheit: Er schreibt alles, was er sieht, hört und denkt, in ein riesiges Notizbuch auf. Schließlich wird das Notizbuch so dick, dass der Detektiv die wichtigen Hinweise nicht mehr findet und er damit beschäftigt ist, immer wieder dieselben nutzlosen Seiten zu lesen.

Gleichzeitig versucht der Detektiv immer wieder, Türen zu öffnen, die bereits verschlossen sind, oder gegen Wände zu klopfen, die gar nicht existieren, wodurch er Zeit und Energie verschwendet.

Dies ist das Problem, das die Arbeit behandelt. Das „Harness“ (die Halterung/das System) ist das System, das zwischen dem Detektiv und der Welt steht und den Informationsfluss verwaltet. Normalerweise wird dieses System von Menschen mit starren Regeln aufgebaut (wie zum Beispiel „behalte immer die letzten 10 Seiten“). Aber die Autoren dieser Arbeit haben sich gefragt: Was wäre, wenn wir das System selbst lehren könnten, wie man das Notizbuch und die Handlungen des Detektivs verwaltet, genau wie ein intelligenter Assistent?

So funktioniert HarnessBridge, unterteilt in einfache Konzepte:

1. Die Brücke in zwei Richtungen

Betrachten Sie HarnessBridge als einen intelligenten Türsteher, der an der Tür zwischen dem Detektiv (der KI) und dem Tatort (der Computerumgebung) steht. Er hat zwei Hauptaufgaben, die in entgegengesetzte Richtungen arbeiten:

Aufgabe A: Der „Editor“ (Beobachtungsprojektion)

Das Problem: Der Tatort sendet dem Detektiv einen massiven Datenstrom zu: jede Datei, die er geöffnet hat, jede Fehlermeldung, jede Sackgasse. Das Gedächtnis des Detektivs (das Kontextfenster der KI) verstopft mit „Rauschen“.
Die HarnessBridge-Lösung: Der Editor betrachtet das Notizbuch des Detektivs und führt drei Aktionen aus:
- Behalten: Er speichert die entscheidenden Hinweise (wie „Der Verdächtige wurde um 17 Uhr gesehen“ oder „Der Code schlug fehl, weil eine Datei fehlte“).
- Zusammenfassen: Er verdichtet lange, langweilige Abschnitte. Anstatt 50 Zeilen Code einzufügen, die der Detektiv bereits gelesen hat, schreibt er: „Sie haben die Datenbankdateien überprüft und festgestellt, dass der Fehler in Zeile 42 liegt.“
- Verwerfen: Er wirft den Müll weg. Wenn der Detektiv 10 Minuten lang nach einer Datei gesucht hat, die nicht existierte, löscht der Editor diesen gesamten Abschnitt, damit der Detektiv nicht erneut Zeit mit dem Lesen verschwendet.
Das Ergebnis: Der Detektiv erhält ein sauberes, kurzes, hochwertiges Briefing anstelle eines 100-seitigen Romans. Dies spart Geld (Token-Nutzung) und hilft dem Detektiv, sich zu konzentrieren.

Aufgabe B: Der „Coach“ (Aktionsprojektion)

Das Problem: Manchmal gerät der Detektiv in eine Endlosschleife. Er versucht vielleicht, eine Tür zu öffnen, von der er weiß, dass sie verschlossen ist, oder er versucht, ein Rätsel durch bloßes Raten zu lösen, anstatt Logik anzuwenden. Er wiederholt dies immer wieder und verschwendet dadurch Schritte.
Die HarnessBridge-Lösung: Bevor die Aktion des Detektivs an den Tatort gesendet wird, prüft der Coach sie.
- Durchlassen: Wenn die Aktion Sinn ergibt, sagt der Coach: „Mach ruhig weiter.“
- Ablehnen: Wenn die Aktion eine Zeitverschwendung ist (wie zum Beispiel das Ausführen eines Tests, der noch gar nicht behoben wurde), blockiert der Coach sie.
- Das Feedback: Entscheidend ist, dass der Coach nicht einfach nur „Nein“ sagt. Er gibt eine spezifische Notiz: „Führe diesen Test noch nicht aus. Du hast den Bug in der Datei login.py noch nicht behoben. Gehe zuerst dorthin und behebe ihn.“
Das Ergebnis: Der Detektiv macht keine unnötigen Fehler mehr und lernt sofort aus dem Feedback.

2. Wie es lernt (Die „Trainingsphase“)

Sie fragen sich vielleicht: „Woher weiß dieser Türsteher, was er tun soll?“
Die Autoren haben HarnessBridge nicht mit einer Liste von Regeln programmiert. Stattdessen haben sie es wie einen Schüler trainiert.

Sie nahmen tausende Beispiele erfolgreicher Detektivfälle (in denen die KI das Problem gelöst hat).
Sie zeigten dem System: „Hier ist das unordentliche Notizbuch, das der Detektiv hatte. Hier ist die saubere Version, die ihm geholfen hätte, das Problem schneller zu lösen. Hier ist die Aktion, die er ergriffen hat, und hier ist die bessere Aktion, die er hätte nehmen sollen.“
Das System lernte, diese Entscheidungen nachzuahmen. Es lernte, eine „lernbare Policy“ zu sein, was bedeutet, dass es sich an die Situation anpasst, anstatt einem statischen Regelwerk zu folgen.

3. Die Ergebnisse: Schlauer und Günstiger

Die Autoren testeten dieses System bei realen Programmierherausforderungen (wie dem Beheben von Software-Bugs).

Leistung: HarnessBridge half der KI, Probleme genauso gut oder sogar besser zu lösen als die besten menschengemachten Systeme.
Effizienz: Dies ist der große Gewinn. Da das System die Informationen komprimierte und die KI daran hinderte, nutzlose Schritte zu machen, verbrauchte es signifikant weniger „Tokens“ (die Währung der KI-Berechnung). In einigen Fällen reduzierte es die Kosten um über 50 % oder sogar um 90 %.
Generalisierung: Das System wurde für einen bestimmten Typ von KI-Detektiv trainiert, funktionierte aber perfekt, wenn es mit anderen, sogar größeren KI-Modellen kombiniert wurde. Es ist wie ein Coach, der gelernt hat, einen spezifischen Athleten zu trainieren, aber augenblicklich in der Lage ist, die Leistung jedes anderen Athleten zu verbessern, mit dem er zusammenarbeitet.

Zusammenfassende Analogie

Wenn der KI-Agent ein Rennfahrer ist, dann ist das herkömmliche Harness ein statisches GPS, das jedem die gleichen Anweisungen gibt. HarnessBridge ist ein intelligenter Co-Pilot, der:

Das Funkrauschen herausfiltert, damit der Fahrer die Rennstrecke klar hören kann.
Die Rennhistorie zusammenfasst, damit der Fahrer die aktuelle Strategie kennt, ohne das gesamte Handbuch lesen zu müssen.
Dem Fahrer auf die Hand schlägt, wenn er versucht, eine Kurve zu nehmen, die in eine Wand führt, und ihm genau sagt, wohin er stattdessen steuern soll.

Das Paper behauptet, dass dieser Ansatz KI-Agenten schneller, kostengünstiger und besser darin macht, lange, komplexe Aufgaben zu lösen, ohne dass Menschen jedes Mal die Regeln manuell neu schreiben müssen.

Technisches Resümee: HarnessBridge

Problemstellung

Große Sprachmodelle (LLMs) werden zunehmend als Agenten für komplexe, langfristige Aufgaben (z. B. autonome Softwareentwicklung, Web-Navigation) eingesetzt. Während der Fortschritt primär auf stärkere Generatormodelle und reichhaltigere Umgebungen fokussiert war, bleibt eine entscheidende dritte Achse – das Harness (die Brücke/der Rahmen), das die Interaktion zwischen Agent und Umgebung vermittelt – ein Flaschenhals.

Bestehende Harnesses sind weitgehend manuell entwickelte Gerüste, die Beobachtungen formatieren, den Kontext verwalten und Aktionen validieren. Mit wachsenden Interaktionshorizonten stoßen diese statischen Systeme auf zwei primäre Einschränkungen:

Umgebung-zu-Agent (Beobachtung): Trajektorien akkumulieren redundanten Kontext, veraltete Fehler und Informationen mit geringem Wert, was entscheidende Zustände verschleiert und Token-Kosten aufbläht.
Agent-zu-Umgebung (Aktion): Modelle können ineffektive Aktionen wiederholen, invalidierte Hypothesen verfolgen oder fehlerhafte Befehle ausführen, wodurch knappe Umgebungsschritte verbraucht werden, ohne die Aufgabe voranzubringen.

Aktuelle automatisierte Ansätze (z. B. Meta-Harness) optimieren typischerweise externe Gerüste oder Prompts, lernen jedoch nicht die Laufzeit-Interaktionspolitik, die dynamisch bestimmt, welche Informationen an den Generator fließen und welche Aktionen an die Umgebung übermittelt werden. Die Autoren fragen: Kann das Harness als ein end-to-end lernbares Generierungsproblem formuliert werden?

Methodik: HarnessBridge

Die Autoren schlagen HarnessBridge vor, ein leichtgewichtiges, lernbares Harness-Controller-System, das die Schnittstelle zwischen Agent und Umgebung als eine bidirektionale Projektionspolitik ( $\pi_h$ ) parametrisiert. Die Generator-Politik ( $\pi_g$ ) bleibt eingefroren; die Optimierung erfolgt ausschließlich über das Harness.

1. Bidirektionale Projektionen

HarnessBridge lernt zwei distinkte Abbildungen:

Beobachtungsprojektion ( $P_{obs}$ ): Bildet die rohe Interaktionshistorie ( $H_t$ ) auf einen für den Generator sichtbaren Zustand ( $\tilde{H}_t$ ) ab.
- Mechanismus: Es verarbeitet jede Historien-Einheit $h_i$ $h_{i}$ und weist eine Entscheidung $z_i \in \{Pass, Compress, Drop\}$ $z_{i} \in {P a ss, C o m p r ess, D r o p}$ zu.
  - Pass: Behält die Einheit unverändert bei.
  - Compress: Verdichtet die Einheit unter Wahrung der Bedeutung (z. B. Zusammenfassen von ausführlichen Logs).
  - Drop: Entfernt irrelevante, veraltete oder überholte Inhalte.
- Active-State-Index: Eine gelernte Komponente ( $U_t$ ), die vor der Historie platziert ist und explizit ungelöste Fehler, offene Nebenbedingungen, etablierte Fakten und ausstehende Ziele verfolgt, um sicherzustellen, dass der kritische Zustand sichtbar bleibt, ohne ihn aus einer langen Trajektorie rekonstruieren zu müssen.
Aktionsprojektion ( $P_{act}$ ): Bildet eine vorgeschlagene Generator-Aktion ( $a_t$ ) auf eine umgebungsseitige Aktion ( $a'_t$ ) ab.
- Mechanismus: Es sagt eine Entscheidung $d_t \in \{Pass, Reject\}$ $d_{t} \in {P a ss, R e j ec t}$ voraus.
  - Pass: Führt die Aktion aus ( $a'_t = a_t$ ).
  - Reject: Blockiert die Aktion ( $a'_t = \emptyset$ ) und gibt ein trajektoriengestütztes Feedback ( $\rho_t$ ) an den Generator zurück.
- Feedback-Struktur: Ablehnungen müssen eine Besorgnis (warum die Aktion unproduktiv ist), einen Beleg (spezifische Zitate aus der Historie, die die Ablehnung stützen) und einen Vorschlag (wie sie verbessert werden kann) enthalten. Dies verhindert unproductive Schleifen und bewahrt dennoch eine informative Exploration.

2. Einheitliches Instruction Tuning

Anstatt separater Module vereint HarnessBridge beide Projektionen in einem einzigen bedingten Generierungsproblem unter Verwendung einer gemeinsamen Politik ( $P_\theta$ ).

Trainingsdaten: Konstruiert aus gelösten Trajektorien (z. B. SWE-bench Verified).
Supervision: Das Modell wird mittels Instruction Tuning trainiert, um die entsprechende Projektion (komprimierter Zustand oder Pass/Reject-Entscheidung mit Feedback) basierend auf der Aufgabenstellung und der aktuellen Trajektorie zu generieren.
Datenkuratierung: Hochwertige Supervision wird mittels eines LLM-Judges gefiltert, um sicherzustellen, dass:
- Beobachtungsprojektionen entscheidende Beweise und Schema-Konsistenz bewahren.
- Aktionsprojektionen trajektoriengestützt sind (Ablehnungen müssen spezifische Historien zitieren) und zu Effizienzgewinnen führen.
Modell: Ein leichtgewichtiges LLM (Qwen3.5-0.8B) wird feinjustiert, um als Controller zu dienen, während der Generator (z. B. Qwen3.5-35B, GPT-5.4) eingefroren bleibt.

Zentrale Beiträge

End-to-End lernbares Harness: Führt das erste Framework ein, das manuell entwickelte Interaktionslogik durch eine lernbare Harness-Politik ersetzt, die die Schnittstelle zwischen Agent und Umgebung vermittelt.
Einheitliches Instruction Tuning: Demonstriert die erste Anwendung von einheitlichem Instruction Tuning zum Erlernen bidirektionaler Abbildungen (Beobachtungskompression und Aktionsvalidierung) zwischen Agenten und Umgebungen.
HarnessBridge-System: Präsentiert ein funktionierendes System, das eine wettbewerbsfähige Aufgabenleistung bei signifikant reduziertem Token-Verbrauch und kürzeren Trajektorien erreicht.

Experimentelle Ergebnisse

Die Autoren evaluierten HarnessBridge auf Terminal-Bench 2.0 und SWE-bench Verified über verschiedene Open-Source- und kommerzielle Modelle hinweg.

Leistung vs. Effizienz: HarnessBridge erreicht oder übertrifft starke spezialisierte Harnesses (z. B. Terminus 2, OpenHands, Meta-Harness), während es den Token-Verbrauch erheblich reduziert.
- Auf Terminal-Bench 2.0 (Qwen3.5-35B) erreichte es eine Erfolgsrate von 33,7 % (gegenüber 30,3 % für Terminus 2) bei einer Reduktion des Token-Verbrauchs um 46,8 %.
- Auf SWE-bench Verified hielt es eine Erfolgsrate von 60,2 % (gegenüber 61,6 % für Terminus 2) bei einer Token-Reduktion von 23,1 %.
Generalisierung: Modelle, die auf Trajektorien eines kleineren Generators (Qwen3.5-35B) trainiert wurden, generalisierten effektiv auf größere kommerzielle Modelle (z. B. GPT-5.4, Claude-Opus-4.7) und verbesserten oft die Erfolgsraten sowie reduzierten die Token-Kosten bei spezifischen Modellen um bis zu 90 %.
Ablationsstudien: Das Entfernen entweder des Beobachtungsprojektions- oder des Aktionsprojektionsmoduls führte zu sinkenden Erfolgsraten, was bestätigt, dass beide Komponenten für eine optimale Interaktion notwendig sind.
Fallstudien: Analysen zeigten, dass HarnessBridge redundante Reasoning- und Navigationsschritte effektiv komprimiert und dabei kritische Testausgaben und Fehlermeldungen bewahrt. Es unterbrach erfolgreich „redundante Verifikationsschleifen“, in denen Agenten wiederholt Code prüften, ohne ihn zu testen, und lenkte sie zu aktionsorientierten Schritten um.

Bedeutung und Ansprüche

Das Paper behauptet, dass HarnessBridge die Schnittstelle zwischen Agent und Umgebung als eine lernbare Politik und nicht als statische Infrastruktur neu formuliert. Die Bedeutung liegt in:

Skalierbarkeit: Durch das Erlernen der Unterdrückung von veraltetem Kontext und der Ablehnung unproduktiver Aktionen bleibt das System effizient, wenn sich die Aufgabenhorizonte ausdehnen, und adressiert damit eine zentrale Limitation aktueller Langzeit-Agenten.
Effizienz: Es erzielt erhebliche Reduktionen im Token-Verbrauch und in der Trajektorienlänge, ohne die Erfolgsraten bei der Aufgabenbewältigung zu opfern (und diese oft sogar zu verbessern).
Übertragbarkeit: Die gelernten Kontrollmuster generalisieren über verschiedene Generator-Modelle und Umgebungen hinweg, was darauf hindeutet, dass das Harness fundamentale Eigenschaften effektiver Agent-Umgebung-Interaktion erfasst, anstatt auf die spezifischen Trajektorien-Artefakte eines Modells zu überoptimieren.

Die Autoren merken an, dass sich ihre Evaluierung derzeit auf Coding-Settings beschränkt, der Mechanismus jedoch über generische Tool-Use-Trajektorien operiert, was eine potenzielle Anwendbarkeit auf Web-Navigation und mehrstufige Forschungsabläufe impliziert.