Harness-1: 20B retrieval sub-agent na may stateful search na sinanay gamit ang reinforcement learning
Orihinal na pamagat:Meet Harness-1: A 20B Retrieval Subagent Trained With Reinforcement Learning Inside a Stateful Search Harness on gpt-oss-20b
AI summary
Magkasamang inilunsad ng UIUC at Chroma ang Harness-1, isang 20B parameter retrieval sub-agent. Sinanay ito sa pamamagitan ng reinforcement learning sa isang stateful search framework na nagpapanatili ng candidate pool, importance annotation set, evidence graph at verification records, kung saan ang policy ang nagpapasya kung kailan maghahanap, mag-filter, mag-verify at huminto. Nakamit ng Harness-1 ang 0.730 average curated recall sa 8 benchmark, mas mataas ng 11.4 percentage points kaysa sa susunod na pinakamahusay na open source sub-agent, at bahagyang nahuhuli lamang sa Opus-4.6. Pampublikong inilabas ang model weights at framework code.
Mahahalagang impormasyon
- Magkasamang inilunsad ng UIUC at Chroma ang Harness-1,isang 20B parameter retrieval sub-agent.
- Sinanay ito sa pamamagitan ng reinforcement learning sa isang stateful search framework na…
- Nakamit ng Harness-1 ang 0.
- 730 average curated recall sa 8 benchmark,mas mataas ng 11.
- 4 percentage points kaysa sa susunod na pinakamahusay na open source sub-agent,at bahagyang…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- MarkTechPost(RSS)
- Kategorya
- Paglabas ng modelo
- AI na marka
- 73
UIUC和Chroma放出的这个20B检索子代理,用RL训练出了0.73的平均召回,把开源竞品甩开11.4分,只比Opus-4.6低一点。权重、Harness全开源,搞RAG的可以真刀真枪试试了。
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Harness-1: 20B retrieval sub-agent na may stateful search na sinanay gamit ang reinforcement learning. 7 Hunyo 2026. https://new.nat6.net/fil/news/cmq3eppdj06j7sl97koo7u9xf/