NVIDIA 揭秘六大 Agent Harness 核心能力,大幅提升 AI 模型效能與記憶效率

深入探討 Agent Harness 架構(Guides、Sensors 等六大能力)以提升模型表現,高度對應 Harness Engineering 核心主題。

• 優秀的 AI 代理不只取決於模型本身,其周圍的架構即 Harness,對基準測試結果與 Token 成本影響重大。 • NVIDIA 推出開源研究預覽 NOOA 框架,將 AI 代理簡化為單一 Python 類別,讓開發過程如同傳統軟體工程。 • 該架構歸納出六大模型介面概念,包含 Typed input/outputPass by referenceCode as action 等,能顯著提升運作效能。 • 系統具備由模型自主管理的 長短期記憶子系統,能以知識圖譜形式累積跨工作階段的知識。 • 在 SWE-bench Verified 與 CyberGym L1 等基準測試中,透過這些能力能以 更少 Token 消耗 達到超越前沿標竿的表現。

Harness 工程不只能換取準確度,還能提升執行效率,在不需上下文壓縮的情況下大幅降低成本。


來源:NVIDIA Developer

閱讀原文 ↗

標籤:#harness-engineering

← 回首頁