新加坡国立大学团队提出JIT - Agent,为智能体Harness构建带来可学习新能力

基于Gemini 3.5 Flash与Antigravity harness的JWST星系智能识别系统 多模态大语言模型作为人工智能的前沿技术,通过融合视觉、语言和推理能力,能够理解复杂数据中的深层模式。其核心原理在于将不同模态的信息映射到统一语义空间,实现跨模态的语义对齐和知识迁移。在工程实践中,这种技术显著提升了自动化系统的认知能力和决策水平,特别适用于需要结合图像分析、数据推理和程序生成的任务场景。以天文数据处理为例,传统方法面临海量观测数据的处理瓶颈,而基于多模态大语言模型的智能体系统能够实现从数据预处理到科学发现的端到端自动化。通过集成Gemini 3.5 Flash的高效推理能力和Antigrav 阅读详情

【导语:智能体(Agent)的能力不仅取决于底层模型,Agent Harness也至关重要,但目前其设计依赖人工、难以扩展。新加坡国立大学颜水成教授团队提出JIT - Agent,可实时合成任务自适应的Agent Harness,增强底层骨干模型能力。】


序号1

JIT - Agent:将Harness构建变为可学习能力

智能体的能力不完全由底层模型决定,Agent Harness负责管理记忆、制定规划等,同样关键。然而,现有的Harness设计依赖人工、局限于特定任务且难以扩展。新加坡国立大学颜水成教授团队提出的JIT - Agent,把Harness构建从人工工程化、提前设计转变为可学习能力,能为任意现成的Agentic LLM实时合成任务自适应的Agent Harness。

序号2

四模块协议与三阶段训练策略

为使Harness能被模型稳定生成,研究团队建立了固定的四模块协议,包括Memory、Planning、Action和Capability,共同构成可组合的Harness,并构建了HarnessFactory。在训练JIT - Agent时,采取了三阶段训练策略。第一阶段,模型根据教师模型生成的示例,学习根据任务结构选择不同编排方式;第二阶段,从失败轨迹中学习修复,让Harness生成器具备处理自身输出问题的能力;第三阶段,通过“进化群组解耦策略优化”(Evo - GDPO)让模型自主生成最优Harness,考虑执行效率和资源开销。最终得到JIT - Agent - 27B模型。

序号3

实验结果:显著提升模型性能

研究团队在多个Agent基准和多个模型骨干上对JIT - Agent进行评估,结果显示它能为不同模型带来显著性能提升。如DeepSeek - V4 - Flash在DeepPlanning - Shopping上分数增加24.8%,超越GPT - 5.6;GLM - 5.2在多个榜单上取得SOTA分数。同时,JIT - Agent生成的Harness与OpenCode、Claude Code等成熟Agent运行时处于同一竞争区间。

序号4

未来:model–harness协同设计范式

研究团队将Harness Intelligence视为与模型容量、推理算力并列的基础scaling维度,JIT - Agent是重要一步。更长远的是model–harness协同设计范式,未来系统或许保留稳定核心harness,允许模型按需修改组件。随着范式成熟,Harness合成、修复和进化能力将内化到基础模型,衍生更多研究议题。

编辑观点:JIT - Agent的提出为智能体Harness构建带来新突破,提升了模型性能,其训练策略和未来范式值得关注,有望推动智能体技术进一步发展。

下载猫 —— 会员体系安全分析与加固方案 下载猫的会员验证体系完全失效,破解不需要任何工具链、不需要写代码、不需要改文件。已验证的成功攻击路径:攻击者启动软件时加一个参数,然后用 3 行 JavaScript 即可将会员状态改为"有效期至 2099 年",全部功能闸门放行。等价于普通用户按F12打开控制台输入 3 行代码,全程不到 10 秒。项目结论破解难度⭐ 极低(会按 F12 即可,无需任何破解工具)是否修改文件否(重启软件自动恢复)是否需要服务器否是否影响其他用户单人即可完成,可复制分发修复所需工作量。 阅读详情

相关推荐

ENVI 5.3与IDL 8.5安装指南:从下载到激活的完整流程

本文提供了一份详细的ENVI 5.3与IDL 8.5安装教程,涵盖从获取安装包、运行主程序、安装许可证到关键文件替换的完整流程。指南重点解决了激活过程中的常见问题,并分享了个人实践经验,旨在帮助用户,特别是遥感图像处理初学者,一次性顺利完成软件部署,为后续的科研与开发工作奠定基础。

weixin_29213827的博客 551

JIT-Agent核心工作原理

JIT-Agent(Just-in-Time Agent)是一个用于在推理时(Inference-time)针对具体任务动态合成、修复和演化Agent Harness的元智能体模型(基于 Qwen3.6-27B 训练)。 在传统的 智能体设计中,Harness(包括内存管理、规划策略、行动协议、工具/技能编排等)是手动设计且针对特定任务静态绑定的。而 JIT-Agent 引入了 Model-as-a-Harness新范式,使得智能体能够根据目标任务,实时在线地生成最适配、最高效的运行环境,以此突破LLM性能

m0_52144241的博客 200

Windows下的Geant4安装教程

本教程将从0开始展示在Windows下如何安装Geant4,包括各种辅助工具(QT、Cmake、Visual Studio)的下载安装,环境变量的配置,以及example的生成等。

weixin_49065278的博客 4115

JIT Harness:智能体动态能力编排实战指南

Harness是智能体(Agent)连接大模型与真实世界动作的核心执行框架,其本质并非工具集合,而是具备状态管理、热更新能力和统一契约的可编程执行环境。随着Grok、DeepSeek等模型强化工具调用能力,行业正从静态集成转向运行时动态编排。JIT Harness通过按需加载、健康自检、DSL化工作流和插件化生态,解决长期运行项目中因环境变化、需求演进导致的执行僵化问题。它特别适用于VM部署、混合云运维、RAG增强及多源告警等需要弹性扩展与零停机更新的工程场景。

weixin_28235513的博客 217

告别卡顿!在RK3588上优化Gstreamer推拉流与RKNN推理的完整Pipeline实战

本文详细介绍了在RK3588平台上优化Gstreamer推拉流与RKNN推理的全链路Pipeline实战。通过解码环节参数调优、RKNN线程管理、内存预分配策略以及编码输出优化,实现60FPS流畅处理与亚秒级延迟。特别针对实时视频分析场景,提供了从rtspsrc到appsink的毫秒级优化方案,助力开发者构建零卡顿的智能视觉系统。

weixin_30698527的博客 485

Nvidia Isaac Sim图形界面 入门教程 2024(3)

在使用Isaac Sim时,最先接触到的应该是它的图形界面,此处将简单介绍图形界面中常用的一些组件:Isaac Sim的界面的常用内容可以分为几个板块。

m0_56661101的博客 4547

给AI装个“临时脚手架“,比换个更聪明的AI更有效

给AI装个"临时脚手架",比换个更聪明的AI更有效

weixin_49122920的博客 150

Qt 5.15.2静态编译避坑实录:MinGW 32位版从源码到Creator配置的全流程踩坑总结

本文详细介绍了Qt 5.15.2 MinGW 32位版本的静态编译全流程,包括环境准备、配置参数优化、编译过程监控及安装后配置。重点解决了静态编译中的常见问题,如参数顺序敏感、路径引号问题等,并提供了性能对比实测数据,帮助开发者高效完成静态编译。

weixin_26749245的博客 271

AI开始自己改Harness了,企业测试平台为什么必须跟着升级?

JIT-Agent 这类思路正在尝试让 AI 针对具体任务动态生成 Harness,执行失败后自动 Repair,再根据历史 Evaluation 结果继续 Evolution。**未来企业面对的,可能不再是一个固定 Agent,而是一个会不断改变自身执行方式的 Agent。**到底是模型变了、Prompt 变了、Tool 变了,还是 Harness 变了。> **无论它怎么变,我们始终知道它现在的质量是多少、哪里退化了、能不能上线。大额理赔 99.1% 91.6% ⚠。

hogwarts_ziqi的博客 286

深入了解AES_GCM算法

常见的对称加密算法,在解密过程中无法确认密钥是否正确的。这就意味着,密文可以用任何密钥执行解密运算,得到一组疑似密文;由于不知道密钥是否正确,故也不能确定解密出来的明文数据是否正确。因此,需要在对称加密算法上增加一层验证机制,常见思路为使用加密算法进行加密保证机密性,使用摘要算法计算MAC保证完整性和真实性,这就涉及到摘要计算和加密计算的前后顺序和参与计算的数据、密钥等,使用起来略微麻烦。

huaqianzkh的专栏 4199

【推荐100个unity插件之10】Unity Cinemachine最全的最详细的虚拟相机介绍,详细案例讲解,快速上手

相信很多同学都用过Unity的Cinemachine插件,使用它可以很方便地实现一些摄像机效果,比如摄像机追踪、推拉镜头、分镜等效果。Cinemachine的知识特别的多又很常用,本来是想做一期来讲一下的,结果搜索发现已经有人做过了,而且内容挺全的,但是内容可能比较啰嗦,还有部分没有补充,所以我就先转载下来,后续有时间再优化修改补充,觉得内容不错的,很欢迎大家去支持原作者。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 2万+

Harness Engineering:智能体资源隔离方案

分层隔离原则:从租户到实例逐层加固,每一层都做好配额限制和访问控制;零信任原则:默认拒绝所有访问,只放行必要的网络、权限、系统调用;可观测原则:所有隔离事件、资源使用、权限申请都要审计,可追溯、可告警;自动化原则:隔离规则、配额、权限都通过平台自动生成,禁止手动配置,避免人为失误。

专注搜索引擎技术 426

PointNet++改进策略目录

后续我将如何使用文章中创新点加入的PointNet++中代码实现部分进行更新。

u012901740的博客 2198

harness-sdk 设计决策记录:Agent SDK 分层架构、命名规范与 API 演进原则

本文以开源仓库 [team/DECISIONS.md](https://link.gitcode.com/i/fa17b9cde9bd43f732c4824bd497110b) 为骨架,系统梳理 harness-sdk(Strands Agent SDK,提供 Python 与 TypeScript 双语言实现)在架构设计、API 命名与版本演进上的核心决策。文中每一条决策都结合 `strands

gitblog_00071的博客 151

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

M2.7不是大模型,是可执行的智能体运行时

智能体(Agent)是当前AI工程化的核心范式,其本质是将自然语言指令转化为可验证、可回溯、可组合的工具调用序列。与传统大模型侧重文本生成不同,智能体运行时强调规划-执行-反思闭环,依赖动态评估、架构感知优化和循环强化等关键技术。MiniMax M2.7正是这一范式的典型代表——它不提供通用对话能力,而是作为嵌入式Agent Runtime,深度适配DevOps、安全分析、代码工程等垂直场景,并原生支持昇腾、摩尔线程等国产芯片的语义级调度。本文聚焦M2.7的运行时设计原理、芯片协同机制与OpenRoom可视

chunqingtai2922的博客 493

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

纯 Java 打造企业级 Agent Harness:架构设计与核心实践

随着大模型技术进入产业落地阶段,如何让 AI 助手真正融入企业现有业务系统,成为 Java 开发者关注的核心议题。Agent Harness 作为承接智能体运行与治理的基础设施,将任务规划、工具调用、权限控制、成本计量等能力沉淀为可复用的平台层。基于纯 Java 技术栈构建此类系统,可充分利用 Spring Boot、虚拟线程、成熟监控链路的工程优势。从会话状态机到 Function Calling 适配,从上下文管理到多模型网关,这套架构思路在订单查询、知识库增强等典型场景中展现出可靠价值。BizBudd

weixin_33508411的博客 278

Decepticon 接入 ExploitBench 的能力分级评估改造:动机、收益与源码实现解析

Decepticon 的 `benchmark` 子系统默认以 XBOW 提供方驱动 CTF 式挑战的"拿 flag"流水线;而 [EXPLOITBENCH-GAINS.md](https://link.gitcode.com/i/e8ec5d5ff41bd97d757f6d2b0623fffb) 记录了一次关键的战略转向:通过一个约 600 行的薄适配器,把同一套 Agent 循环挂到 Expl

gitblog_00535的博客 174

Meta EvoHarness-RL:基于强化学习的AI智能体工具编排实践指南

在人工智能领域,强化学习(RL)是一种让智能体通过与环境交互试错来学习决策策略的核心方法。其核心原理在于通过奖励信号引导智能体优化行为序列,最终实现特定目标。这项技术的核心价值在于能够解决传统规则系统难以处理的复杂、动态决策问题,尤其在自动化流程和智能体控制等场景中展现出巨大潜力。具体到AI智能体的工具使用场景,传统的硬编码调用方式缺乏灵活性和适应性。而结合进化算法,智能体能够自主探索和优化工具组合策略,形成动态的“工具编排”能力。这正是Meta EvoHarness-RL框架所聚焦的方向,它通过强化学习与

weixin_33744854的博客 403

defending-code-reference-harness 排障指南:vuln-pipeline 常见陷阱、断点恢复与误报治理

本篇技术指南基于仓库中的 [docs/troubleshooting.md](https://link.gitcode.com/i/c7b535ef3c3eddead6cf6975e8e0e6a5),系统梳理该自主多智能体漏洞挖掘流水线(`bin/vp-sandboxed`,即 `vuln-pipeline`)在实际运行中最常遇到的七类问题——重复发现、速率限制、运行中断、误报、覆盖率不足与子代理

gitblog_01092的博客 643

C# 原生编码智能体运行时 SharpClawCode

协议层作为 SharpClawCode 架构的最底层,承担着定义整个系统数据契约的核心职责。该层的设计遵循了"协议优先"的架构思想,即先定义清晰的数据契约,再在此基础上构建业务逻辑。项目包含了所有跨组件通信所需的 DTOs(数据传输对象)、枚举类型、事件定义和命令结果结构。这些 DTO 的设计注重不可变性和显式性,广泛采用 C# 9.0 引入的record类型,使得数据对象在创建后不可修改,通过with表达式生成变体,这天然地适合事件溯源模式中事件对象的不可变特性。事件定义是协议层的特别重要组成部分。

FRbRpYwL1的博客 255

Java与Python在AI应用开发中的选型与混合架构实战指南

在AI应用和智能体开发中,编程语言的选择直接影响项目落地效率与系统稳定性。Python凭借PyTorch、LangChain等生态主导模型层,而Java依托Spring Boot和成熟分布式架构成为企业级业务闭环的基石。理解两者的核心差异,是技术选型的前提。混合架构通过HTTP、消息队列或Agent网关将Python的算法编排能力与Java的高并发、强事务能力结合,既能快速接入大模型,又能保障生产级可靠性与安全性。从RAG知识库到Function Calling,从Prompt调优到成本控制,基于真实工程案

weixin_30219613的博客 182

Claude Code六层架构:上下文、工具、技能、钩子、子代理与缓存工程化实践

Claude Code并非传统代码助手,而是一套可编程的AI工程操作系统。其核心在于将大模型能力解耦为上下文管理、MCP工具调用、可复用Skill工作流、自动触发Hook约束、隔离式Subagent协同及Prompt缓存优化六大技术层。这些层级共同构成闭环验证机制,支撑非技术人员在真实商业场景中稳定交付——如芬兰账税系统开发中,通过`deny`级钩子拦截敏感操作、HANDOFF.md实现会话状态轻量交接、渐进式工具加载提升缓存命中率等实践,显著提升AI编程的确定性与成本效率。本文聚焦Claude Code框

djai0102的博客 456

Ruflo Dream Cycle 性能 SOTA 报告深度解析:实测基准、Flash Attention 声明审计与 Tier-4 推理优化路线

> 本文围绕 Ruflo 仓库中 `docs/dream-cycle/2026-06-15-performance-sota.md` 这份夜间研究(Dream Cycle)会话报告展开。它讲解 Ruflo 如何以「实测优先」的方式追踪 2026 年大模型推理性能 SOTA:盘点 Ruflo 自身已实测的加速能力(HNSW、Int8、SONA、MoE 门控),审计未经基准验证的 Flash Atte

gitblog_00267的博客 1022

Harbor AlgoTune Adapter 完全指南:将算法优化基准转化为 154 个连续加速比评测任务

本文以 Harbor 仓库中的 AlgoTune 适配器([adapters/algotune/README.md](https://link.gitcode.com/i/a4a51c427323b0185071a8cbce4a5de9))为核心,完整讲解如何将 AlgoTune 算法优化基准(154 个任务)转换为 Harbor 兼容任务并在隔离容器中评测推理 Agent。读完后你将掌握任务生成

gitblog_00821的博客 288

Mythos安全模型:从辅助工具到自主攻防主体的范式跃迁

大语言模型在软件安全领域的应用正经历从‘辅助分析’到‘自主攻防’的本质升级。其核心原理在于融合符号执行、动态验证回路与多专家混合架构,实现对漏洞发现、Exploit生成和系统级因果链的端到端建模。这种能力突破不仅提升了自动化渗透效率,更重构了企业漏洞响应周期、零日资产价值评估及开源维护生态的技术经济逻辑。当前主流技术路径聚焦于长上下文推理、攻防世界镜像训练与推理时增强(RtA)机制,典型代表如Claude Mythos Preview已在真实CTF沙箱与内核级审计中验证其不可逆的攻防成本结构改变能力。

weixin_30650039的博客 405

鱼皮的 AI 指南:程序员实用 AI 工具链全解析(对话、编程、写作一网打尽)

在 AI 工具百花齐放的今天,面对几十上百个 AI 产品,普通人很容易看花眼,但其实我们不必全部学习,只需围绕自己的日常工作搭建一条实用的工具链即可。本文以「鱼皮的 AI 指南」系列中的 AI 实用工具篇为主体,系统讲解程序员日常开发与写作中最常用的一整套 AI 工具组合:从日常问答的 AI 对话产品,到开发小项目/新项目的 Cursor、维护老项目/大项目的 AI IDE 插件,再到 Chat2

gitblog_00900的博客 866

T3MP3ST Changelog 深度解读:Cybench 基准的「认知架构 v3 + 完整性加固」与源发布就绪度

> 本指南以 T3MP3ST 官方变更日志([docs/CHANGELOG.md](https://link.gitcode.com/i/c19c3e3692522e1b8132735b8a9d24c5),同步镜像于 [docsite/t3mp3st-docs/content/CHANGELOG.md](https://link.gitcode.com/i/321e20bbc29363fe9bea

gitblog_00377的博客 369
上一篇: 突发!9月2日智谱入驻天猫卖Token,上半年营收增近4倍、亏损仍存,8月ARR达16亿美元
下一篇: 挥拍运动成技术竞技场,人形机器人商业化落地还有多远?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值