2.0 KiB
2.0 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| 模型-脚手架协同演化 (Model-Harness Co-Evolution) | 2026-07-13 | 2026-07-13 | concept |
|
|
模型-脚手架协同演化
定义
Agent 工程第四范式（Phase 4）的第二方向。模型-脚手架协同演化将 Agent 工程从一次性训练扩展到全栈持续改进——模型、脚手架和改进策略在部署过程中可能全部更新，利用执行反馈决定哪些更改保留、修正或回滚。
三层区分
Agent Harness Survey 将常被混为一谈的"自我进化"拆解为三层：
| 层次 | 定义 | 代表系统 |
|---|---|---|
| [[multi-model-harness | 多模型脚手架]] | 谁执行每个运行时角色 |
| [[learnable-harness | 可学习脚手架]] | 运行时策略如何被优化 |
| 协同演化 | 模型+脚手架+改进循环何时及如何联合更新 | EvolveR, Hyperagents, Darwin Gödel Machine |
关键系统
- EvolveR / AgentEvolver：将交互轨迹作为可重用学习信号（self-questioning, navigation, attribution）
- Continual Harness：在线适应，不依赖推理时的稠密外部奖励
- AHE（Agentic Harness Engineering）：脚手架侧演化——固定基座模型下，运行时组件从 observability-driven 反馈中演化
- SICA / Darwin Gödel Machine / Hyperagents：递归自我改进——改进机制本身可能随时间可修改
核心命题
行为内部化（agent-native-training）不消除脚手架——它改变了分工：
- 更多短视界行为移入模型参数
- 运行时仍提供环境访问、状态和安全控制
- 开放问题：如何安全地让模型+脚手架+改进策略联合演化，不牺牲可检视性和安全性