🤖 AI

HarnessBridge: Learnable Bidirectional Controller for LLM Agent Harness

Este artigo apresenta o HarnessBridge, um controlador bidirecional leve e aprendível que automatiza a interface agente-ambiente por meio de projeções de observação e ação, alcançando um desempenho comparável ou superior ao de harnesses manuais especializados, enquanto reduz significativamente o uso de tokens e o comprimento das trajetórias em vários LLMs.

Autores originais: Xiaoxuan Wang, Haixin Wang, Alexander Taylor, Jason Cong, Yizhou Sun, Wei Wang

Publicado 2026-06-12

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Xiaoxuan Wang, Haixin Wang, Alexander Taylor, Jason Cong, Yizhou Sun, Wei Wang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está contratando um detetive brilhante, mas ligeiramente desorganizado (o Agente de IA) para resolver um mistério complexo que leva dias para ser desvendado. O detetive é incrivelmente inteligente, mas tem um mau hábito: ele anota tudo o que vê, ouve e pensa em um caderno enorme. Eventualmente, o caderno torna-se tão espesso que o detetive não consegue mais encontrar as pistas importantes e fica preso lendo as mesmas páginas inúteis repetidamente.

Enquanto isso, o detetive continua tentando abrir portas que já estão trancadas ou batendo em paredes que não existem, desperdiçando tempo e energia.

Este é o problema que o artigo aborda. O "harness" (aparelho/suporte) é o sistema que fica entre o detetive e o mundo, gerenciando o fluxo de informações. Normalmente, este sistema é construído por humanos usando regras rígidas (como "sempre mantenha as últimas 10 páginas"). Mas os autores deste artigo, o HarnessBridge, perguntaram: E se pudéssemos ensinar o próprio sistema a gerenciar o caderno e as ações do detetive, como um assistente inteligente?

Aqui está como o HarnessBridge funciona, dividido em conceitos simples:

1. A Ponte de Duas Vias

Pense no HarnessBridge como um segurança inteligente parado na porta entre o Detetive (a IA) e a Cena do Crime (o ambiente de computação). Ele tem dois trabalhos principais, trabalhando em direções opostas:

Trabalho A: O "Editor" (Projeção de Observação)

O Problema: A Cena do Crime envia ao detetive um fluxo massivo de dados: cada arquivo que ele abriu, cada mensagem de erro, cada beco sem saída. A memória do detetive (a janela de contexto da IA) fica entupida de "ruído".
A Solução do HarnessBridge: O Editor olha para o caderno do detetive e realiza três ações:
- Manter: Ele salva as pistas críticas (como "O suspeito foi visto às 17h" ou "O código falhou devido a um arquivo ausente").
- Resumir: Ele condensa seções longas e chatas. Em vez de colar 50 linhas de código que o detetive já leu, ele escreve: "Você verificou os arquivos do banco de dados e descobriu que o erro estava na linha 42."
- Descartar: Ele joga fora o lixo. Se o detetive passou 10 minutos procurando um arquivo que não existia, o Editor deleta toda essa seção para que o detetive não perca tempo relendo-a.
O Resultado: O detetive recebe um briefing limpo, curto e de alta qualidade, em vez de um romance de 100 páginas. Isso economiza dinheiro (uso de tokens) e ajuda o detetive a manter o foco.

Trabalho B: O "Treinador" (Projeção de Ação)

O Problema: Às vezes, o detetive fica preso em um loop. Ele pode tentar abrir uma porta que sabe que está trancada, ou tentar resolver um enigma por meio de palpites aleatórios em vez de usar a lógica. Ele continua fazendo isso, desperdiçando etapas.
A Solução do HarnessBridge: Antes que a ação do detetive seja enviada para a Cena do Crime, o Treinador a verifica.
- Passar: Se a ação faz sentido, o Treinador diz "Vá em frente".
- Rejeitar: Se a ação é uma perda de tempo (como tentar executar um teste que ainda não foi corrigido), o Treinador a bloqueia.
- O Feedback: Crucialmente, o Treinador não apenas diz "Não". Ele dá uma nota específica: "Não execute esse teste ainda. Você ainda não corrigiu o bug no arquivo login.py. Vá corrigir isso primeiro."
O Resultado: O detetive para de cometer erros inúteis e aprende com o feedback imediatamente.

2. Como Ele Aprende (A Fase de "Treinamento")

Você pode se perguntar: "Como esse segurança sabe o que fazer?"
Os autores não escreveram uma lista de regras. Em vez disso, eles treinaram o HarnessBridge como um aluno.

Eles pegaram milhares de exemplos de casos de detetives bem-sucedidos (onde a IA resolveu o problema).
Mostraram ao sistema: "Aqui está o caderno bagunçado que o detetive tinha. Aqui está a versão limpa que teria ajudado a resolvê-lo mais rápido. Aqui está a ação que ele tomou, e aqui está a ação melhor que ele deveria ter tomado."
O sistema aprendeu a imitar essas decisões. Ele aprendeu a ser uma "política aprendível", o que significa que ele se adapta à situação em vez de seguir um livro de regras estático.

3. Os Resultados: Mais Inteligente e Mais Barato

O artigo testou este sistema em desafios de codificação do mundo real (como corrigir bugs em softwares).

Desempenho: O HarnessBridge ajudou a IA a resolver problemas tão bem quanto, ou até melhor que, os melhores sistemas criados por humanos.
Eficiência: Esta é a grande vitória. Como o sistema comprimiu a informação e impediu a IA de fazer movimentos inúteis, ele usou significativamente menos "tokens" (a moeda de computação da IA). Em alguns casos, reduziu o custo em mais de 50% ou até 90%.
Generalização: O sistema foi treinado em um tipo de detetive de IA, mas funcionou perfeitamente quando pareado com diferentes modelos de IA, inclusive maiores. É como um treinador que aprendeu a treinar um atleta específico, mas pode instantaneamente melhorar o desempenho de qualquer outro atleta com quem trabalhe.

Resumo da Analogia

Se o Agente de IA é um piloto de corrida, o harness tradicional é um GPS estático que dá as mesmas instruções para todos. O HarnessBridge é um copiloto inteligente que:

Filtra a estática do rádio para que o piloto possa ouvir a pista claramente.
Resume o histórico da corrida para que o piloto saiba a estratégia atual sem precisar ler todo o manual.
Dá um tapa na mão do piloto se ele tentar fazer uma curva que leva a um muro, e diz exatamente para onde ele deve esterçar em vez disso.

O artigo afirma que esta abordagem torna os agentes de IA mais rápidos, mais baratos de operar e melhores na resolução de tarefas longas e complexas sem a necessidade de humanos reescreverem as regras manualmente a cada vez.

Resumo Técnico: HarnessBridge

Declaração do Problema

Grandes Modelos de Linguagem (LLMs) estão sendo cada vez mais implantados como agentes para tarefas complexas de longo horizonte (ex: engenharia de software autônoma, navegação na web). Enquanto o progresso se concentrou em modelos geradores mais fortes e ambientes mais ricos, um terceiro eixo crítico — o harness (estojo/suporte) que media a interação agente-ambiente — permanece um gargalo.

Os harnesses existentes são majoritariamente scaffolds (andaimes) projetados manualmente que formatam observações, gerenciam contexto e validam ações. À medida que os horizontes de interação crescem, esses sistemas estáticos enfrentam duas limitações primárias:

Ambiente-para-Agente (Observação): As trajetórias acumulam contexto redundante, erros obsoletos e detalhes de baixo valor, obscurecendo estados decisivos para a decisão e inflando os custos de tokens.
Agente-para-Ambiente (Ação): Os modelos podem repetir ações ineficazes, perseguir hipóteses invalidadas ou emitir comandos malformados, consumindo etapas escassas do ambiente sem avançar na tarefa.

Abordagens automatizadas atuais (ex: Meta-Harness) tipicamente otimizam scaffolds externos ou prompts, mas não aprendem a política de interação em tempo de execução que determina dinamicamente quais informações fluem para o gerador e quais ações são comprometidas com o ambiente. Os autores perguntam: O harness pode ser formulado como um problema de geração treinável de ponta a ponta?

Metodologia: HarnessBridge

Os autores propõem o HarnessBridge, um controlador de harness leve e treinável que parametriza a interface agente-ambiente como uma política de projeção bidirecional ( $\pi_h$ ). A política geradora ( $\pi_g$ ) permanece congelada; a otimização ocorre exclusivamente sobre o harness.

1. Projeções Bidirecionais

O HarnessBridge aprende dois mapeamentos distintos:

Projeção de Observação ( $P_{obs}$ ): Mapeia o histórico de interação bruto ( $H_t$ ) para um estado visível ao gerador ( $\tilde{H}_t$ ).
- Mecanismo: Ele processa cada unidade de histórico $h_i$ $h_{i}$ e atribui uma decisão $z_i \in \{Pass, Compress, Drop\}$ $z_{i} \in {P a ss, C o m p r ess, D r o p}$ .
  - Pass (Passar): Mantém a unidade inalterada.
  - Compress (Comprimir): Condensa a unidade preservando o significado (ex: resumindo logs verbosos).
  - Drop (Descartar): Remove conteúdo irrelevante, obsoleto ou substituído.
- Índice de Estado Ativo: Um componente aprendido ( $U_t$ ) colocado antes do histórico que rastreia explicitamente erros não resolvidos, restrições abertas, fatos estabelecidos e objetivos pendentes, garantindo que o estado crítico seja visível sem a necessidade de reconstruí-lo a partir de uma trajetória longa.
Projeção de Ação ( $P_{act}$ ): Mapeia uma ação proposta pelo gerador ( $a_t$ ) para uma ação voltada ao ambiente ( $a'_t$ ).
- Mecanismo: Prevê uma decisão $d_t \in \{Pass, Reject\}$ $d_{t} \in {P a ss, R e j ec t}$ .
  - Pass (Passar): Executa a ação ( $a'_t = a_t$ ).
  - Reject (Rejeitar): Bloqueia a ação ( $a'_t = \emptyset$ ) e retorna feedback fundamentado na trajetória ( $\rho_t$ ) para o gerador.
- Estrutura de Feedback: As rejeições devem incluir uma preocupação (por que a ação é improdutiva), uma evidência (citações específicas do histórico que apoiam a rejeição) e uma sugestão (como melhorar). Isso evita loops improdutivos enquanto preserva a exploração informativa.

2. Ajuste de Instrução Unificado

Em vez de treinar módulos separados, o HarnessBridge unifica ambas as projeções em um único problema de geração condicional usando uma política compartilhada ( $P_\theta$ ).

Dados de Treinamento: Construídos a partir de trajetórias resolvidas (ex: SWE-bench Verified).
Supervisão: O modelo é treinado via ajuste de instrução para gerar a projeção apropriada (estado comprimido ou decisão de passar/rejeitar com feedback) com base na especificação da tarefa e na trajetória atual.
Curadoria de Dados: A supervisão de alta qualidade é filtrada usando um juiz LLM para garantir que:
- As projeções de observação preservem evidências decisivas e consistência de esquema.
- As projeções de ação sejam fundamentadas na trajetória (rejeições devem citar o histórico específico) e levem a ganhos de eficiência.
Modelo: Um LLM leve (Qwen3.5-0.8B) é ajustado para servir como o controlador, enquanto o gerador (ex: Qwen3.5-35B, GPT-5.4) permanece congelado.

Principais Contribuições

Harness Treinável de Ponta a Ponta: Introduz o primeiro framework que substitui a lógica de interação projetada manualmente por uma política de harness treinável que media a interface agente-ambiente.
Ajuste de Instrução Unificado: Demonstra a primeira aplicação de ajuste de instrução unificado para aprender mapeamentos bidirecionais (compressão de estado e validação de ação) entre agentes e ambientes.
Sistema HarnessBridge: Apresenta um sistema funcional que alcança um desempenho de tarefa competitivo com redução significativa no uso de tokens e no comprimento da trajetória.

Resultados Experimentais

Os autores avaliaram o HarnessBridge no Terminal-Bench 2.0 e SWE-bench Verified através de vários modelos de código aberto e comerciais.

Desempenho vs. Eficiência: O HarnessBridge iguala ou supera harnesses especializados fortes (ex: Terminus 2, OpenHands, Meta-Harness) enquanto reduz substancialmente o uso de tokens.
- No Terminal-Bench 2.0 (Qwen3.5-35B), alcançou uma taxa de sucesso de 33,7% (vs. 30,3% para o Terminus 2) com uma redução de 46,8% no uso de tokens.
- No SWE-bench Verified, manteve uma taxa de sucesso de 60,2% (vs. 61,6% para o Terminus 2) com uma redução de 23,1% de tokens.
Generalização: Modelos treinados em trajetórias de um gerador menor (Qwen3.5-35B) generalizaram-se efetivamente para modelos comerciais maiores (ex: GPT-5.4, Claude-Opus-4.7), frequentemente melhorando as taxas de sucesso e reduzindo os custos de tokens em até 90% em modelos específicos.
Estudos de Ablação: A remoção de qualquer um dos módulos de projeção de observação ou de ação resultou em diminuição das taxas de sucesso, confirmando que ambos os componentes são necessários para uma interação ideal.
Estudos de Caso: A análise mostrou que o HarnessBridge comprime efetivamente o raciocínio redundante e turnos de navegação, enquanto preserva saídas de testes críticos e mensagens de erro. Ele interrompeu com sucesso "loops de verificação redundantes" onde agentes repetiam a checagem de código sem testá-lo, redirecionando-os para etapas acionáveis.

Significância e Alegações

O artigo afirma que o HarnessBridge recodifica a interface agente-ambiente como uma política treinável em vez de uma infraestrutura estática. Sua significância reside na:

Escalabilidade: Ao aprender a suprimir o contexto obsoleto e rejeitar ações improdutivas, o sistema permanece eficiente à medida que os horizontes das tarefas se estendem, abordando uma limitação central dos agentes atuais de longo horizonte.
Eficiência: Alcança reduções substanciais no consumo de tokens e no comprimento da trajetória sem sacrificar (e muitas vezes melhorando) as taxas de sucesso nas tarefas.
Transferibilidade: Os padrões de controle aprendidos generalizam-se através de diferentes modelos geradores e ambientes, sugerindo que o harness captura propriedades fundamentais de uma interação eficaz agente-ambiente, em vez de sofrer overfitting aos artefatos de trajetória de um modelo específico.

Os autores observam que sua avaliação está atualmente limitada a configurações de codificação, mas o mecanismo opera sobre trajetórias genéricas de uso de ferramentas, implicando potencial aplicabilidade à navegação web e fluxos de trabalho de pesquisa de múltiplos passos.