@omarsar0：推荐一篇关于将 Jev 等决策模型集成到 harness 中的论文。

X AI KOLs Timeline 论文
decision-models agent-harness distillation reinforcement-learning open-weights

摘要

一篇推荐论文，提出将 Jev 等决策模型集成到 agent harness 中，通过蒸馏得到一个 4B 开源决策模型，在 JevAgentHarness 内超越 Jev 本体且成本更低。

推荐一篇关于将 Jev 等决策模型集成到 harness 中的论文。
查看原文
查看缓存全文

缓存时间: 2026/10/17 16:59

推荐阅读论文：将 Jev 等决策模型集成到 harness 中。

DAIR.AI (@dair_ai)： 必读论文，介绍了如何将 Jev 等决策模型集成到 harness 中。

他们蒸馏出一个开源的 4B 决策模型，训练数据主要来自该智能体自身状态下 Jev 的回答。该模型在该智能体内部的表现超过了 Jev 本身，而且运行成本低得多。

他们的 harness —— JevAgentHarness，会对每个例程

相似文章

@rohanpaul_ai: 普林斯顿大学+Google新论文发现，在孤立问题上最准确的决策模型只解决了69.5%的智能体任务，而在智能体状态上训练的4B模型解决了91.5%。

X AI KOLs Following

普林斯顿大学与Google的联合论文提出JevAgentHarness，将智能体工作流中的常规决策（如工具选择）交给经智能体实际状态训练的小型决策模型（如AgentDecision-4B），在保持成功率的同时使成本降低81%–89%、速度提升最高2.5倍。