先了解这件事
2026年10月20日,邵猛推荐了MIT课程MAS.S62「How to AI an AI」的第4-5讲,主题为「Harness evolution」。据其介绍,这两讲分别梳理harness组件、记忆、工具与技能演化,以及规划、任务分解与多agent系统演化。记忆部分用三轴分类法串起MemGPT、mem0、MEM1、Reflexion/ExpeL,并以CLM把上下文管理统一为文件操作;工具部分从Toolformer、ToolLLM、CodeAct讲到Meta-Harness,后者把整个harness表示为文件系统,反馈信息量约为此前方法的400倍。多agent部分给出五条实证发现,包括MAS在可分解任务上赢81%、在顺序依赖任务上输70%,以及CORAL在8个任务上取得新SOTA、多agent演化比单agent提升4%–20%。目前该推荐仅有邵猛本人发布的一篇来源,尚无后续独立报道。
AI 根据公开报道生成
最新进展 · 正式报道
MIT 课程 MAS.S62 两讲梳理 Harness 演化与多 Agent 演化事件进展
1 个已确认进展
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月20日
邵猛
MIT 课程 MAS.S62 两讲梳理 Harness 演化与多 Agent 演化
MIT 课程 MAS.S62「How to AI an AI」的 Lecture 4-5 聚焦 Harness evolution，分别讲 harness 组件、记忆、工具与技能演化，以及规划、任务分解与多 agent 系统演化。记忆部分用三轴分类法串起 MemGPT、mem0、MEM1、Reflexion/ExpeL，并以 CLM 把上下文管理统一为文件操作；工具部分从 Toolformer、ToolLLM、CodeAct 讲到 Meta-Harness，后者把整个 harness 表示为文件系统，反馈信息量约为此前方法的 400 倍。多 agent 部分给出五条实证发现，包括 MAS 在可分解任务上赢 81%、在顺序依赖任务上输 70%，以及 CORAL 在 8 个任务上取得新 SOTA、多 agent 演化比单 agent 提升 4%–20%。