Infini-AI-Lab 开源 Hermit harness 适配器框架
Infini-AI-Lab Releases Hermit, an Open-Source Harness Adapter Framework for AI Agents - MarkTechPost
Infini-AI-Lab 发布开源框架 Hermit，通过训练外部 harness 适配器来适配 AI 智能体，模型与 harness 保持冻结，v0.1.0 于 2026 年 10 月 25 日发布。框架为 Python 实现、Apache-2.0 许可，可用 pip install hermit-harness 安装，内置 GEPA、SkillOpt、MetaWorld Model、Harness² 和 Continual Harness 五种演化方法。在 GLM 5.3 Flash 上，MWM 适配器在 CL-Bench 数据库探索任务达到 0.795 准确率，高于 in-context 基线的 0.580，但多数结果为单次运行的自报数据。
正文 · AI 翻译
将我们添加为 Google 首选来源
Infini-AI-Lab 发布了 Hermit，这是一个面向 AI 智能体的开源 harness 适配器框架。Hermit 是 Infini-AI-Lab 推出的框架，它在智能体的模型和 harness 保持冻结的情况下，训练一个外部的“harness 适配器”。首个版本 v0.1.0 于 2026 年 10 月 25 日发布。CMU 博士后 Haizhong Zheng 于 10 月 27 日在 X 上宣布了这一消息。对开发者而言，其卖点很简单：无需微调或分叉 harness，即可让 Codex 或 Claude Code 智能体适配新任务。
TL;DR
占用：一个 Python 框架。自身没有参数。Apache-2.0 许可，pip install hermit-harness。
运行环境：离线 Quick Start 不需要 GPU、模型账户或数据集。实际运行可使用任意 API 后端，或本地 vLLM、SGLang 或 Ollama 服务器。
性能：在 OfficeQA、CL-Bench 和 ServeLearnBench 上，相比无适配器基线报告的提升，均使用 GLM 5.3 Flash。
最佳：MWM 适配器在 CL-Bench 数据库探索任务上达到 0.795 准确率，而 in-context 基线为 0.580。
最差：仅提示词适配器在同一评测集上得分为 0.470，低于 0.580 的基线。
结论：最佳：一个训练循环支持 5 种 harness 演化方法。最差：多数结果为单次运行、自报数据。
什么是 harness 适配器？
harness 适配器是一种可训练的外部 harness。它像一个内置训练支持的插件。模型适配器（如 LoRA）适配模型。harness 适配器则适配现有智能体。
TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni_parse_bench · 对文本、表格和布局评分 · 开源在 GitHub 上 Star→赞助
适配器可以承载指令、技能、记忆、工具、可执行代码和智能体协调逻辑。它甚至可以是一个完整的仓库。其规范说明了哪些部分可学习，以及更新如何被检查。基础模型和 harness 永不改变。
团队给出了这一设计的 3 个理由。许多 harness 是闭源的。编辑开源 harness 可能破坏精心调校的组件交互。而学习到的适配器可以在兼容的模型和 harness 之间迁移。
Hermit 如何训练适配器？
Hermit 使用 RL 风格的训练循环。Trainer 使用当前适配器让执行智能体运行一批任务。Judge 对输出评分。Evolver 读取轨迹和反馈，然后提出新的适配器。Trainer 对照模板检查它，并将其提交为下一个版本。
每个适配器版本都存放在 git 树中。你可以检查、回滚或发布任意版本。Learner 程序可以在沙箱中运行，这需要 Linux 和 bubblewrap。
目前内置五种演化方法：GEPA、SkillOpt、MetaWorld Model（MWM）、Harness² 和 Continual Harness。ACE 和 ReHarness 列为即将推出。你也可以编写自己的 Evolver。
基准测试结果如何？
以下所有运行均使用 GLM 5.3 Flash 作为执行模型。数据来自仓库的示例 README，为自报数据。
OfficeQA（recipe）提出 172 个关于美国财政部公报的测试问题，按精确匹配评分：
GEPA 和 SkillOpt 在 50 个问题上训练，并以冻结状态测试。Continual Harness 和 Harness² 则在流式处理测试集一次的过程中学习。团队报告 Harness² 相比其参考运行提升 +7.6 分，95% 区间为 +1.7 至 +13.4。
CL-Bench（数据库、扑克）测试来自 Continual Learning Bench 论文的有状态环境。在数据库探索上，MWM 达到 0.795 准确率。该基准的 in-context 基线得分为 0.580。在可利用扑克上，MWM 每手赢 3.08 个大盲注，而 in-context 学习为 2.51。
ServeLearnBench（recipe）在隐藏且不断变化的策略下流式处理 624 个零售支持请求。MWM 在隐藏策略测试上得分为 45.3。排行榜上最佳学习方法 CH 得分为 28.7。获得策略信息的 oracle 得分为 89.2。
Hermit 与其他智能体优化器相比如何？
特性HermitGEPAACEAgent Lightning
训练对象外部 harness 适配器任意文本参数（提示词、代码）上下文 playbook提示词和模型权重
是否改变模型权重否否未披露是，通过 RL 或 SFT
方法内置 5 种，可自定义 Evolver反思式演化、Pareto 选择Generator、Reflector、CuratorRL、提示词优化、SFT
部署目标Codex、Claude Code、Pi；插件导出DSPy（dspy.GEPA）未披露LangChain、OpenAI Agents SDK、AutoGen、CrewAI 等
许可证Apache-2.0MITApache-2.0MIT
关键结果CL-Bench 数据库 0.795（自报）AIME 2025：46.6% 至 56.6%（GPT-4.1 Mini）AppWorld 上 +10.6%未披露
如何安装和部署？
通过 PyPI 安装：pip install hermit-harness，或克隆仓库查看示例。CLI 涵盖 check、train、eval、deploy 和 convert。模型以 / 形式引用。支持的后端包括 Fireworks、OpenAI、Anthropic、DeepSeek、vLLM、SGLang 和 Ollama。
hermit deploy 会为 Codex、Claude Code 或 Pi 写入工作区。hermit convert 将训练好的适配器导出为 Codex、Claude Code、Pi 或 Hermes 的原生插件。一个完成的 Lean 协作适配器协调 5 个 Codex 智能体共同证明一个定理。
关键要点
Hermit 训练一个外部适配器；模型和 harness 保持冻结。
共发布 5 种方法：GEPA、SkillOpt、MWM、Harness²、Continual Harness。
MWM 在 CL-Bench 数据库上达到 0.795，而上下文内为 0.580。
适配器可部署到 Codex、Claude Code 和 Pi，或导出为插件。
结果均为自报，大多为单次运行，使用 GLM 5.3 Flash。
Asif Razzaq网站 | + 文章简介 ⮌
Asif RazzaqPrime Intellect 发布 Prime Mega MoE：可训练融合 MoE 内核，前向传播快 3.11 倍
Asif RazzaqNVIDIA 发布 Nemotron 3.5 Transcribe：一个开放的 30B MoE 模型，支持 40 种语言转录，约 4B 活跃参数
Asif RazzaqPolymathic AI 与普林斯顿大学研究人员发布 FlashMap，一种用于 LLM 解码提速 6.14 倍的流映射起草器
$uv pip install omni-parse-bench✓文本✓表格✓布局→ 按页评分在 GitHub 上加星→赞助
相关文章更多来自作者
Prime Intellect 发布 Prime Mega MoE：可训练融合 MoE 内核，前向传播快 3.11 倍
NVIDIA 发布 Nemotron 3.5 Transcribe：一个开放的 30B MoE 模型，支持 40 种语言转录，约 4B 活跃参数