Premiera / Narzędzie
Co, jeśli lepszy agent nie potrzebuje większego modelu, tylko lepszego harnessu?
HarnessX, otwarty framework Darwin Agent na licencji MIT, traktuje harness — warstwę wokół modelu, która decyduje o narzędziach, pamięci i kontekście — jako wymienny klocek, ulepszany osobno od samych wag. Na Qwenie 3.5 9B sama przebudowa harnessu podnosi wynik na GAIA z 33,97% do 41,67%, a douczenie modelu RL-em dociąga go do 55,77%; ten sam schemat na GPT-5 idzie z 62% do 84%. Skłaniam się ku tezie, że architektura agenta to dźwignia, po którą sięga się za rzadko, ale liczby podał sam autor na jednym benchmarku, w wersji 0.1.0 beta, i wciąż czekają na niezależne powtórzenie.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Premiera / Narzędzie · 3 min ·
Ten sam model, ani jednej zmiany w jego wagach, a skuteczność skacze z 34% na 42%. Taką liczbę kładzie na stół zespół Darwin Agent przy premierze HarnessX, otwartego frameworka na licencji MIT, który traktuje architekturę agenta jak coś, co się składa z wymiennych klocków i ulepsza osobno od samego modelu.
Żeby ta liczba coś znaczyła, trzeba wiedzieć, czym jest harness. To cała warstwa, która otacza model i decyduje o wszystkim poza samym generowaniem tekstu: co model widzi z dotychczasowej rozmowy, z jakich narzędzi może skorzystać, jak długo pracuje, zanim straci kontekst, i co robi, kiedy coś pójdzie nie tak. Dwa agenty na tym samym modelu potrafią dawać zupełnie różne wyniki tylko dlatego, że mają inaczej poukładaną tę warstwę. HarnessX bierze tę tezę dosłownie i robi z harnessu obiekt, który da się przemeblować bez dotykania modelu. I od razu zaznaczę, gdzie się w tym ustawiam: sam pomysł kupuję, ale liczby, którymi go podpierają, biorę na razie z rezerwą.
Model osobno, zachowanie osobno
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
