शोधकर्ताओं ने AutoRef प्रस्तावित किया, एक विधि जो मॉडलों को फ्रोजन रखते हुए एजेंटिक बहु-संदर्भित छवि जनरेशन के लिए निष्पादन हार्नेस का स्वचालित रूप से अनुकूलन करती है। एक कोडिंग एजेंट विषय की उपेक्षा और असहज संयोजन जैसे चुनौतियों को संबोधित करने के लिए हार्नेस कोड को पुनरावृत्ति से फिर से लिखता है।
- सिस्टम फीडबैक कार्यों को चयन कार्यों से अलग करता है और शीर्ष-रैंक किए गए हार्नेस के बीम का उपयोग करके खोज करता है।
- AutoRef-Harness ने MultiBanana में छुपी हुई चार-संदर्भित कार्यों पर खुले-वजन FLUX.2 4B मॉडल के स्कोर को 5.72 से 7.37 तक बढ़ाया है।
- अनुकूलित हार्नेस Nano Banana Pro और GPT-Image-1.5 सहित स्वामित्व वाले मॉडलों के बराबर या बेहतर है।
- जनरेटर, संदर्भ गणना, बेंचमार्क, मूल्यांकनकर्ता, या तर्क मॉडल को बदलने पर भी परिणाम प्रभावी रहते हैं, बिना पुनः अनुकूलन के।
यह दृष्टिकोण उच्च-प्रदर्शन वाले हार्नेस की खोज की अनुमति देता है जो विभिन्न विन्यासों और बेंचमार्क्स पर सामान्यीकृत होते हैं।