14:27marktechpost@Asif Razzaq精选UIUC与Chroma联合推出Harness-1,一个20B参数的检索子智能体,通过强化学习在状态搜索框架中训练。该框架维护候选池、重要性标记的精选集、证据图和验证记录,策略决定搜索、筛选、验证和停止时机。在8个基准测试中,Harness-1平均精选召回率达0.730,领先下一名开源子智能体11.4个百分点,仅次于Opus-4.6。模型权重和框架代码已开源。AI模型Harness-1检索子智能体强化学习状态搜索框架开源推荐理由:Harness-1用强化学习解决了检索子智能体的搜索策略优化问题,做信息检索或RAG系统的开发者可以直接用开源代码复现,效果接近闭源最强模型。原文
09:53rohanpaul_ai@rohanpaul_ai精选72°Harness-1 提出一种新方法,将搜索智能体的记忆管理工作从模型中剥离,交给一个外部辅助系统(harness)处理。传统搜索智能体需要在有限的上下文窗口中同时进行搜索决策和记忆所有文档、线索、失败路径等,导致认知负担过重。Harness-1 让模型专注于语义选择(如搜索什么、验证什么),而 harness 负责可恢复状态(如候选池、证据链接、去重观察等)。实验表明,一个 20B 模型通过减少内部记忆负担,在搜索任务上表现显著提升,且在未见过的基准测试上增益更大,说明模型学到了可复用的搜索策略而非领域记忆。论文搜索智能体记忆外置强化学习Harness-120B模型推荐理由:做搜索智能体或 RAG 系统的开发者,Harness-1 的思路能帮你解决模型上下文窗口瓶颈,让智能体在复杂搜索中更高效,值得参考其状态外置设计。原文