扫码下载
搜索“Harness”共有46条相关结果
作者：Cage、Daniel / 01. Key Takeaways 1.DeepSeek Harness（DSH）发布的是一套可以热重载的 harness ，并且设计成适合 coding agent 自己去修改、进化的形态。这个发布思路很有野心，没有在白领工作/coding agent 这些方向去和 Claude Code/Codex/Workb…
8月13日晚，DeepSeek没有发新模型，而是开源了一个叫Harness的东西。 一天之内，GitHub星标近8万。这个速度超过了当年R1和Grok-1的纪录。 Harness不是模型权重，不是API接口，而是一层"壳"——套在模型外面、让模型真正能干活的执行系统。DeepSeek给了一个公式：Model + Harness = Agent。 翻译一下：…
刚刚，DeepSeek 把 V4.1 Flash 更新到了 V4.1-Flash-1017，性能带来大幅提升，大小 763B，网页端、App 和 API 已全面换新，权重同步开源 从零构建网页赛车游戏 下面这个是 Benchmark 同时官方还发布了两个更新： 一个是 DeepSeek API 开放了自研搜索，Search 和 Fetch 两个接口，都是 …
（点击收听本期音频👆） 采访｜Yiwen 图文｜朱婕 过去半年，大模型的榜单成绩不断刷新：通用评测接近满分，进步被压缩到小数点之后。但把工作真正交给AI的商家，体验并没有同步提升。 阿里国际站自建的电商评测印证了这一感觉。这套评测基于平台上百万条真实经营数据与Accio的问答数据，整理出107个电商任务，覆盖报价单比较、钓鱼邮件识别、船期预订、交易纠纷处理…
达里奥散播焦虑，奥特曼眩晕瘫坐，大模型各领风骚十几天，一片FOMO情绪中，每个对AI又爱又恨的企业老板都意识到：是时候把天道酬勤的牌匾拿下来，报一个企业Agent速成班了。 企业级Agent是Coding之后下一个大市场，已经是供需两端高度统一的共识。因此，AI办公大战打完了东线的电梯广告，迅速转移到了西线核心战场：让老板们开发票。 然而，当老板们掏出预算…
主持人：感谢邱先生的精彩分享。 接下来，有请罗汉堂秘书长陈龙先生，发表题为「智链驱动的第三次金融科技浪潮」的主旨演讲。 掌声有请陈教授。 陈龙：肖风总，各位领导，各位朋友，大家早上好！ 我其实已经预判到「智链」的名字过于共识，所以改了一下。今天我想用十几分钟的时间，和大家讲我看到的正在发生的「未来」，即题目「两种 Token 驱动的第三次金融科技浪潮」。 …
Today.ai 是齐俊元的新作品，定位：下一代 Personal Agent而早在 2014 年，他便买下 today.ai 这个域名，想做一个 AI 个人助理 今天 Today AI 海外版已上线，而国内版也将正式发布 今天我恰好来了西岸梦中心，便在中午去了他们的办公室，和团队聊了一个多小时，想知道他们是如何构建这套 Agent 的 Today 办公室…
我们始终相信，关于 AGI 进展最有价值的信号，一定来自一线推进它的人。市场与估值反映预期，而 researchers 的探索则在决定哪些可能性会成为现实。 尤其让我们感兴趣的是年轻 researchers，对他们来说，许多行业已经习惯的做法，仍然可以重新问一句为什么。我们希望和这样的思维多碰撞，聊聊正在做的研究，也聊聊各自认为值得 bet、还没有被充…
现在的 Agent 的产品越来越多，有些主打 Coding，有些事做日常办公，也有些用于情感陪伴虽然这些产品的用途不同，背后的工作原理其实都大同小异，便是 Harness 对上下文的自动化编排 本文则是以原理的角度，给大家讲一下 Agent 工具是如何使用进行上下文编排，让模型一步步把事情做完，然后输出结果的 我尽可能用简单的语言，让大家能看明白 同时我们…
文｜王欣逸 编辑｜张雨忻 今年，用AI自我改进AI，几乎成了海内外头部实验室的共识。 近一年来，OpenAI创始成员Andrej Karpathy、前Meta FAIR研究总监田渊栋、前DeepMind首席科学家Jeff Dean都相继加入RSI（Recursive Self-Improvement，递归自进化）创业的热潮。 发生在RSI身上的，几乎是一个…
Techub News 消息，Vercel 开源了 durable-harness 软件包，旨在为 AI 编程智能体提供崩溃与超时恢复能力。该工具包裹了包括 Pi、OpenCode、Claude Code 和 Codex 在内的现有编程框架，无需修改原框架，将每个会话保存在持久化日志中，确保函数崩溃时工作不丢失。 该工具适用于将智能体从本地迁移至云端的团队。它通过将每个步骤写入持久化日志，并在模型或工具调用前记录意图，调用后记录结果来实现恢复。若函数崩溃，队列会将任务交给新函数，后者读取日志继续执行。已完成调用的结果从日志读取，避免重复计费。（MarkTechPost）
Techub News 消息，何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生的 Harness 框架 VISTA。该框架让多模态模型直接观察环境、保存原始画面，并可在推理时随时回看、放大和检查细节，无需额外训练模型。 在评测中，搭配 VISTA 的 Claude Opus 5.0 在 ARC-AGI-3 全部 25 个公开游戏中达到满分 100 分，所用动作数比人类基线少 57.4%；GPT-5.6 Sol 同样全部通关，得分 99。团队还在浏览器游戏、迷宫等任务中验证了该方法，并将具身任务列为后续研究方向。 VISTA 包含视觉观测、无损视觉记忆和主动视觉检查三个核心组件，分别负责提供画面、保存历史以及按需回看。框架通过保存原始画面并让模型主动调取，提升了现有多模态模型在视觉交互任务中的表现。（量子位）
Techub News 消息，英伟达研究团队近日提出名为「Mid-Harness」的新方法，旨在提升 AI 代理在命令行环境下的可靠性。该方法通过引入一个「判断模型」来评估 AI 代理的中间执行步骤，可以识别并纠正潜在错误，从而提高任务完成率。研究认为，该方法有望降低成本并提升效率。（Crypto Briefing）
Techub News 消息，高盛另类投资部门（Goldman Sachs Alternatives）领投了 AI 软件交付平台 Harness 的 2.4 亿美元 E 轮融资。本轮融资突显了市场对 AI 驱动的软件交付解决方案日益增长的需求，以及企业环境中对高效、安全、合规部署流程的迫切需求。 （Crypto Briefing）
Techub News 消息，Google DeepMind 的 Gemini 4 Argon 模型在 ARC-AGI-3 基准测试中得分 97.5%，使 Google 成为继 OpenAI 之后第二个跨过 95% 门槛的实验室。但测试结果因设置不同差异巨大：在标准测试框架下，其得分降至 49.8%。此外，Argon 在数学和软件工程任务上仍落后于竞争对手。（The Decoder）
Techub News 消息，开源 CopilotKit 框架与 AG-UI 协议背后的公司 CopilotKit 发布了持续学习平台 CLiF（早期访问版）。该平台通过 AG-UI 协议安全捕获智能体在应用中的运行轨迹与用户的实际操作，并将这些完整轨迹转化为可学习的技能、基于生产环境的评估数据集以及微调数据集，所有数据均可与原始轨迹一同导出。CopilotKit 在 GitHub 上拥有超过 3.8 万个星标。（MarkTechPost）
Techub News 消息，昆仑万维旗下 Skywork AI 发布 Matrix-Game 4.0，据称是全球首款可在单张消费级显卡上实时运行的游戏世界模型。该模型采用游戏引擎维护世界状态、视频模型生成画面的分工架构，在一张 RTX 5090 显卡上实现了 60 FPS 的实时画面生成，按键响应延迟低于 0.15 秒，峰值显存占用约 18.5 GiB。 团队通过提供结构草图、动态说明以及优化生成步骤（如少步自回归蒸馏、CUDA Graph 等技术）来降低计算负担，使模型能专注于画面生成，而游戏逻辑则由代码明确控制。该模型已开源。（量子位）
Techub News 消息，10 月 15 日上午，DeepSeek 网页及 API 服务出现全球性部分中断。官方状态页显示，故障最早发生于北京时间上午 8 点 11 分，影响范围包括 DeepSeek 对话服务、V4 Pro API 及 V4.1 Flash API。官方随后更新状态为「已定位」并进入修复阶段。 第三方服务监测平台 StatusGator 数据显示，过去 24 小时内已收到 86 条相关故障报告。与此同时，一个名为「DeepSeekHarness」的账号在 B 站悄然注册，该账号关联 DeepSeek 已推出的开源 Agent 运行平台。（量子位）
Techub News 消息，APUS AI（麒麟合盛网络技术股份有限公司）宣布开源 Personal Agent 产品 Reflex Agent。该产品基于自研决策模型 Reflex 构建，结合 Continuum 记忆引擎，通过模型驱动核心控制逻辑，实现更高效的决策与长周期任务执行。 据 APUS AI 实验室实测，Reflex Agent 在相关测试场景中的响应速度最快可达 Claude Code、Codex 等主流 Agent 的 3 倍。其工作机制被称为 Loop Working（循环工作），强调 Agent 围绕用户目标持续行动。 Reflex Agent 结合 Continuum 记忆引擎，通过无限记忆持续积累任务信息，为实现真正的无限上下文提供支撑。此次开源采用 MIT 协议，提供桌面端、Web 和 SDK。（量子位）
Techub News 消息，魔法原子旗下具身智能 VLM Agent 框架 EchoPolicy-0 在艾伦人工智能研究所发起的 MolmoSpaces 零样本评测中，以 75.4% 的平均成功率位列综合榜单全球第一。该基准覆盖抓取、关节交互等多阶段操作任务，旨在评估机器人系统的泛化能力。 魔法原子自研的 3.4B 参数具身智能框架 MagicBrain 在同一榜单中以 72.4% 的平均成功率位列第四，其抓取任务成功率高达 94.4%。公司研发实验室负责人表示，其技术路线通过分层协同与视觉引导，旨在提升模型的指令遵循能力，推动具身智能从演示阶段迈向产线应用。（量子位）
