@haizhong_zheng: 这个 JD 和我最近跟朋友聊的东西很像。Training 这边很多 design space 其实已经比较饱和了,不管是 infra 还是算法,大框架基本都定下来了。现在更多是在现有技术上不断调优,或者尽量 scale environme…
摘要
作者评论当前 AI 训练领域的 design space 已趋于饱和,主要在现有框架上做调优和 scaling,而 agent 的 harness evolution 与 long-horizon runtime 仍有很大探索空间,JD 中的 Harness Kernel、Managed Runtime、Evaluation & Evolution 尚无统一方案。
查看缓存全文
缓存时间: 2026/11/19 11:41
这个 JD 和我最近跟朋友聊的东西很像。Training 这边很多 design space 其实已经比较饱和了,不管是 infra 还是算法,大框架基本都定下来了。现在更多是在现有技术上不断调优,或者尽量 scale environment 和 data,把训练效果再往上推。
但 agent 这边,尤其是 harness evolution 和 long-horizon agent runtime,design space 还很大,远没有被解决。JD 里的 Harness Kernel、Managed Runtime、Evaluation & Evolution,感觉现在还没有相对统一的solution。
相似文章
@NFTCPS: HarnessX这玩意儿挺有意思:一个能自己改自己的智能体架构。 以前架构怎么变,全靠人手调。新模型一出,Anthropic就把Claude Code里的规划步骤砍了,Manus半年重构了五次智能体,每次都在做减法。改什么、什么时候改,一…
HarnessX introduces a framework for self-evolving AI agent harnesses that treats the runtime harness as a first-class object, enabling automatic adaptation via trace-driven reinforcement learning. It achieves average gains of +14.5% across five benchmarks, with larger improvements for weaker models.
@snwiki238337: 目前的 Harness 优化,有两个大方向。 一统全局脚手架,试图用一套Prompt 和控制逻辑。但随着业务场景增加,针对财务表格优化的指令往往会干扰代码生成任务,导致严重的规则冲突与上下文过度膨胀。 另一种是针对每个特定领域单独复制一份…
Google Cloud AI Research 与 UIUC 合作提出 OO-Harness,将面向对象设计(继承、封装、多态)引入 Agent Harness 的自动演化,通过类层级体系实现专用脚手架的代码复用与安全降级,在三大长程基准上主指标从 61.62% 提升至 77.41%,且在分布外任务上显著优于传统自演化方法。
@dotey: 去做一个 Agent Harness 这种事情价值不大了,怎么做也做不过模型公司,模型一升级好多活都白干了。 但是基于成熟的 Agent Harness 去做方案,大有可为。 MCP 只是解决了连接的问题,Skills 只是解决了领域知识…
作者认为直接开发Agent Harness价值不大,因为模型公司会主导,但基于成熟框架在垂直领域构建应用仍有很大机会,需要重新设计AI Native工作流、UI/UX和数据整理。
@xiaomovps: 研究了这么多 AI Agent,我越来越觉得,Harness 才是最值得深入研究的方向 最近看到 Anthropic 分享的一篇关于长任务 Agent 的文章,里面的一些思路让我挺有感触的 因为我自己不管是研究和使用都折腾过不少Harne…
博主结合自身研究 Pi Agent、DeepSeek Harness、Claude Code 等经验,总结 Harness 是 Agent 最值得深挖的方向,并分享 Anthropic 关于长任务 Agent 的文章,提出上下文管理、长任务执行与结果验证三大关键问题。
@NFT_Chen: 太牛了!Agent交互强化学习终于不再“工程地狱”了!HarborRL开源全套框架,真实Coding Agent也能稳稳做RL! 以前训Agent RL最痛苦的不是算法,是轨迹收集、Token对齐、多轮工具调用、策略版本一致性这些工程坑。…
HarborRL开源了一个轻量级智能体强化学习框架,将模型服务、轨迹生成、工具执行、验证器奖励和策略更新整合为可复现的流水线,支持Qwen/GLM模型×GRPO/DAPO算法×200+沙箱任务×40+ Agent Harness(如Claude Code、SWE-agent)的灵活组合。