同一模型 ARC-AGI 从 30% 到 95%：Harness 设计三讲
YC Harness Night 三场分享：Prime Agent 谈 Harness 表达力与 L1/L2/L3 上下文分层，OpenJarvis 谈端侧本地 LLM 五原语，QM 团队谈权限与协作。同一权重换 Harness，ARC-AGI 可从 30% 到 95%。
要点
- 同一权重仅换 Harness，ARC-AGI 从最好 30% 提升到 95%，Nvidia 的 AVO 达到 100%
- Seth 将上下文分 L1 模型权重、L2 活跃上下文加 REPL、L3 文件系统调度状态，Harness 负责压缩与增删改查
- Prime Agent 把子 Agent 做成持久子会话，可挂起可唤醒，任意两个 Agent 能直接互发消息
- OpenJarvis 用五个原语定义整个栈：界面、Agent 逻辑、模型、推理引擎加硬件、工具记忆与学习
- QM 把 Agent 大脑集中到 Postgres，Harness 只保留远程沙盒执行、对象存储读写、发布内部应用三个工具
阅读原文这里是中文要点整理，数字与细节以原文为准。
评论
还没有评论，来写第一条。