以下为完整音频的带时间戳自动转写底稿，不是人工校订逐字稿。原始节目页面标注“主播声明：本音频为 AI 生成”。
[0000.00-0003.32] 今天的分享出自最近Y-Combinator內部的一黨 [0003.32-0004.60] 必門分享會 [0004.60-0006.40] Y-C Paper Club [0006.40-0010.48] 這黨活動由Y-C資深和火人Jerry Friedman發起本 [0010.48-0014.96] 是為讓前言論文與工程飯市做深度的內部研討 [0014.96-0019.80] 這一期被他特意取名為Harness,職業,不講模型排名 [0019.80-0023.68] 只聊那個長期被視為邊角料的運行時框架 [0023.68-0024.56] Harness [0024.56-0026.48] 為什麼專門聊Harness? [0026.68-0030.28] 這位在開場跑出一個破油點兒較版的觀察 [0030.28-0034.32] 過去年多社區習慣把公老全部記在模型上 [0034.32-0037.80] 下一世以為模型構強A陣就隨道取成 [0037.80-0041.24] 可翻開智能體能力眼鏡去現會發現 [0041.24-0046.12] 每一次數量級的快樂,推動他的往往不止是模型單體 [0046.12-0047.84] 還有模型的外殼 [0047.84-0050.92] 原始大模型只是一台無撞台的圖林機 [0050.92-0052.92] 而配期了Harness的系統 [0052.92-0056.56] 才真正成為一台能自由獨寫自我進化的 [0056.56-0058.12] 縫納一慢計算機 [0058.12-0061.12] 機這個判斷研討會系統的書裡了Harness [0061.12-0064.76] 從當輪模板到地規自進化的四代眼鏡 [0064.76-0067.72] 並請來三位醫線構建者現實說法 [0067.72-0069.56] Prime Intellect的Safe [0069.56-0077.76] 講如何在固定權重下把ARC-AGi從30%推到95% [0077.76-0078.76] 斯坦夫的帳 [0078.76-0081.72] 講如何把推理下程到本地 [0081.80-0083.76] 實現800倍降本 [0083.76-0086.36] 外線內部的照實與日子拆解了 [0086.36-0089.92] 支撐全員運營的QM系統及三大反模式 [0089.92-0092.00] 這場研討的核心主題在於 [0092.00-0094.60] 在模型水平給訂的前提下 [0094.60-0097.44] Harness的工程深度才是決定 [0097.44-0101.24] 誰能真正把AGi做成生產力的分水力 [0101.24-0102.96] 以下是翻譯內容 [0102.96-0106.12] 首先當場的是本次活動的發起人 [0106.12-0108.60] Y Combinator資深和火人 [0108.60-0110.12] Managing Director [0110.36-0111.52] Jarrate Friedman [0111.52-0113.80] 歡迎來到YC-Harness進了部 [0113.80-0116.40] 也就是YC運行框架職業 [0116.40-0118.64] 我為這次活動準備的很辛苦 [0118.64-0121.24] 用Gemene前後疊帶了差不多十次 [0121.24-0124.44] 才搞出讓Harshah騎著大龍蝦的宣傳圖 [0124.44-0127.44] Gemene一開始堅決不肯化 [0127.44-0130.48] 但我們最後還是把它調校出來了 [0130.48-0131.08] 好的 [0131.08-0133.84] 歡迎大家來到Harness職業 [0133.84-0134.92] 進入正題前 [0134.92-0137.68] 首先我想問問大家覺得YC-Paper Club [0137.68-0140.48] 這套全新的視覺風格怎麼樣 [0140.48-0142.52] 這其實是我隨口對YC的設計 [0142.52-0144.16] 如果YC的一位提的一句想法 [0144.16-0145.44] 結果今天兩天後 [0145.44-0147.28] 就拿出了這套經驗的設計 [0147.28-0148.52] 在後排的一位 [0148.52-0150.44] 請站起來接受大家的長生 [0150.44-0151.48] 太棒了 [0151.48-0151.76] 好 [0151.76-0153.08] 那麼言歸正亂 [0153.08-0155.60] 為什麼金蘭我們要專門討論Harness [0155.60-0157.92] 也就是運行時框架和教手架 [0157.92-0158.88] 很多人會說 [0158.88-0161.04] Harness不就是一個外殼包裝 [0161.04-0163.52] 不就是協調輔助教手架代碼嗎 [0163.52-0166.32] 不就是提示詞工程嗎 [0166.32-0168.32] 這東西評什麼值得大家 [0168.32-0170.60] 專門話譯整晚來研討 [0170.60-0171.72] 就在一個月前 [0171.72-0173.60] Readers上還有個非常監督 [0173.60-0175.68] 甚至可以說是最激進的鐵子 [0175.68-0176.72] 原話是 [0176.72-0179.28] 我實在不覺得這種提示詞工程 [0179.28-0181.60] 有資格登上頂激機器學習 [0181.60-0182.80] 學習會議 [0182.80-0184.36] 還有另一個很典型的評論 [0184.36-0185.96] 說上下文工程根本 [0185.96-0188.08] 就是不是一個延速的研究課題 [0188.08-0190.76] 長期以來Harness相關的技術 [0190.76-0193.00] 一直被主流研究界清晰 [0193.00-0195.72] 被當成不入流的邊角料工作 [0195.72-0197.96] 但現實卻很很大了點 [0197.96-0201.36] 僅僅是Harness從第一代升級到第二代 [0201.36-0202.88] 就直接給我們帶來了 [0202.88-0205.20] 百分之十八的性能越生 [0205.20-0207.76] 稍後賽此還會向大家展示 [0207.76-0209.76] Harness更是直接決定了 [0209.76-0211.40] 能否徹底公課 [0211.40-0214.84] RK,AGI,基準測試的核心勝負手 [0214.84-0217.32] 因此,這顯示一個急劇價值 [0217.32-0220.00] 極其值得深入研究的研速課題 [0220.00-0223.16] 如果你回看那張經典的評測曲線圖 [0223.16-0224.84] 橫軸是發布日期 [0224.84-0228.40] 縱軸是智能體能連續穩定運行的時常 [0228.40-0232.16] 你會發現這上面的每一次巨幅誇閱 [0232.16-0235.32] 絕大多數根本不是模型單體帶來的 [0235.32-0238.08] 而是Harness的進化推上曲的 [0238.08-0241.28] 我把前段時間稱為靜態Harness時代 [0241.28-0243.20] 那時候擴假本身是固定的 [0243.20-0244.60] 不會自我進化 [0244.60-0245.84] 而最近六個月裡 [0245.84-0249.80] 整個前聯與全部居交在自進化Harness上 [0249.80-0253.00] 我們今晚會把這些細節徹底拆透 [0253.00-0254.28] 前幾天我在除JXR [0254.28-0256.96] 這CIO的演講裡看到立章圖 [0256.96-0258.04] 我非常喜歡 [0258.04-0260.24] 演講中提到學術界和行業 [0260.24-0263.16] 一直在瘋狂策略模型的困惑度 [0263.16-0264.48] 大家下一視覺得 [0264.48-0267.48] 這玩意就等同於模型的IQ和智商 [0267.48-0270.40] 於是拚命在這條智力曲線上內卷 [0270.40-0272.40] 但我們在實際運行中 [0272.40-0274.92] 根本沒有充分利用測試時經驗 [0274.92-0278.76] 智能體在執行任務時會產生大量的實施運行經驗 [0278.76-0280.76] 但面對一個全新領域時 [0280.76-0283.96] 現有的系統完全無法做到快速自試影 [0283.96-0287.40] 如果你還記得我們辦的D7YC Paper Club [0287.40-0289.64] 我當時就作為一個實驗 [0289.64-0292.80] 隨著增加在線採揚的數量模型 [0292.80-0297.32] 到底該如何真正從批量數據中完成在線學習 [0297.32-0299.72] 我們現有加購力根本沒有這種機制 [0299.72-0303.44] 我們有的只是上下文學習也就是I4L [0303.44-0307.32] 但I4L3L4到50個樣本就徹底保和了 [0307.32-0310.00] 之後在驗正集上甚至毫無提升 [0310.00-0312.72] 然後你就得去搞Lora的指揮條 [0312.72-0314.60] 在搞全量ICFT [0314.60-0317.24] 這種把推理和訓練割裂開的流程 [0317.24-0318.92] 其實非常機型 [0318.92-0321.80] 這恰恰就是Harnit’s大方異財的地方 [0321.80-0324.88] ARC AGiApp平策最硬核的特徵 [0324.88-0326.96] 就是考驗系統到底能多快的 [0326.96-0330.24] 是用一個此前從未見過的全新數據分部 [0330.24-0332.00] 並在其中拿到高分 [0332.00-0333.68] 2020年冬季 [0333.68-0338.56] 我們在ARC AGiApp的這一批測試上深度介入 [0338.56-0340.72] 協助GRAG進行驗證 [0340.72-0342.16] 就像我上次提到的 [0342.16-0344.52] 把各種邏輯題目住入進去 [0344.52-0346.92] 卻保從一個任務到下一個任務之間 [0346.92-0349.12] 考察的能力是完全正焦的 [0349.12-0352.20] 一次延密隔離並測量流體之力 [0352.20-0356.36] 在那個階段Cload Opus是DP真正進入測試的 [0356.36-0357.64] 頂監模型之一 [0357.64-0360.96] 因為除了GRAG和Fransoir收了本人之外 [0360.96-0363.84] 沒有任何人能提前看到四有測試機 [0363.84-0365.92] 當時某模型直接跑出來的 [0365.92-0367.96] 最好成績只有30%左右 [0367.96-0370.88] 然而不需要任何花燒的選選 [0370.88-0373.32] 僅僅是靠一套延密的工具級 [0373.32-0377.20] 一層精心設計的運行外殼和執行角首架 [0377.20-0380.52] 我們就能把成績推到95%以上 [0380.52-0383.80] 而NVDIA的AVO更是充到了100% [0383.80-0385.80] Premade and NVDIA的這些突破 [0385.80-0387.80] 都是最近剛剛問事的 [0387.80-0389.12] 我還想補充一件事 [0389.12-0390.84] 今年3月安瑞卡托斯 [0390.84-0393.36] 開源自己的Auto Research 項目師 [0393.36-0395.16] 我第一時間Fork了待嘛 [0395.16-0396.52] 並在本地把玩 [0396.52-0399.48] 我最初只是想寫一個清亮級的UI界面 [0399.48-0402.76] 好觀察它的內部執行流程並追蹤狀態 [0402.76-0404.12] 結果寫著寫著 [0404.12-0405.64] 我不小心自己突手 [0405.64-0407.64] 撮出了一套完整的Harness [0407.64-0409.20] 我本來根本沒打算這麼做 [0409.20-0411.12] 只是單純想可實話他 [0411.12-0413.24] 他的運行機制基本上就是 [0413.24-0415.76] 你輸入一個研究目標 [0415.76-0418.20] 當時我給的真實場景是 [0418.20-0421.24] 單純的擴散員模型在單卡表現上 [0421.24-0423.32] 打不過自回歸於原模型 [0423.32-0427.84] 但因為擴散模型在每張GPU上的計算密度機高 [0427.84-0429.48] 如果我把擴散與原模型 [0429.48-0432.72] 拆成一系列模型做集成病案分塊聚合 [0432.72-0435.28] 是不是反而能獲得更強的效果 [0435.28-0439.20] 於是我就把這個目標丟給了我的智能體積群 [0439.20-0441.84] 我輸了一些初時種子想法 [0441.84-0447.60] 比如將尺寸分塊比例分別設定為100位10倍5倍 [0447.60-0449.84] 並指定了一個基準測試 [0449.84-0454.52] 比如在這SM8K和JPT2的環境下進行對比 [0454.52-0456.96] 系統裡有一個範圍界定A陣 [0456.96-0459.52] 它會主動減索相似論文 [0459.52-0461.68] 抓取相關的給它不殘酷 [0461.68-0463.68] 隨後它把任務地交給一個 [0463.68-0465.76] 半眼項目負責人的A陣的 [0465.76-0467.20] 名字叫Crisory [0467.20-0470.56] 接著這位Crisory Agent又把活派給了一個叫 [0470.56-0474.72] 張Sat Falken的研究員A陣本人今晚也在這裡 [0474.72-0477.68] 這位張A陣的領導任務後開始 [0477.68-0480.32] 動手編寫代碼並進行驗證 [0480.32-0483.44] 遇到困難時它會向平身委員會求助 [0483.44-0484.88] 這時候我就介入了 [0484.88-0488.64] 我和JPT會作為評審給它一些反規 [0488.64-0491.20] 它拿到反規後再作一輪修正 [0491.20-0494.64] 在這期間Crisory Agent向個真正的導師一樣 [0494.64-0498.64] 丁警進度差不多每個一刻中就對它撈到吹吹 [0498.64-0502.24] 最後論文賺寫A陣的接手確認代碼動節 [0502.24-0503.76] 開始跑銷容實驗 [0503.76-0505.36] 賺寫論文斷落 [0505.36-0508.72] 整個過程中我用類似實施追蹤日致的方式 [0508.72-0511.92] 把日致拉出來做了一個全局駕駛藏看板 [0511.92-0513.36] 無論我身在何處 [0513.36-0515.52] 打開鏈接就能實施看到進度 [0515.52-0517.52] 並直接跟A陣的對話交互 [0517.52-0520.56] 如果把整個斷斷的流程跑通 [0520.56-0524.72] 它每完成一個階段還會給我發一封有件會報進展 [0524.72-0526.08] 更覺得是 [0526.08-0530.00] 它最後真的一篇接一篇的寫出了完整論文 [0530.00-0533.76] 我都主意通讀了水準初期的稿 [0533.76-0538.08] 雖然三四月份寫的筆不上五月份之後的水平 [0538.08-0540.48] 但現在我的日常基本就是 [0540.48-0542.24] 給配有八節點 [0542.40-0544.96] 每節點八張H100的計算機群 [0544.96-0547.12] 人過去八個研究假設 [0547.12-0549.12] 然後直接放手讓他們通銷跑 [0549.12-0551.20] 第二天一早我上限看結果 [0551.20-0552.96] 收割實驗報告就行了 [0552.96-0555.28] 我們在那套系統裡見證的執行能力 [0555.28-0557.12] 可以說是不可思議的 [0557.12-0559.44] 而從始之中真正發生改變的 [0559.44-0562.64] 僅僅是我們在模型頂層搭建的那套 [0562.64-0565.36] 讓它具備執行逼環的HRNESS [0565.36-0568.64] 我個人在上面花的時間其實不算多 [0568.64-0570.64] 但這已經完全重塑了 [0570.64-0574.72] 我做早期前研探索的研究飯市 [0574.72-0576.40] 單平在完全相同的 [0576.40-0578.80] 淨態模型全重執上套上一套 [0578.80-0581.52] 合理的HRNESS能釋放出的生產力 [0581.52-0584.32] 簡直驚人為了準備今晚的Paper Club [0584.32-0585.76] 我花了一整個週末 [0585.76-0586.64] 書裡文獻 [0586.64-0589.12] 重溫了從Coffre-Fly Reflection [0589.12-0592.88] Voices到各類突發們的一整套經典賣落 [0592.88-0595.68] 我想先用五分鐘時間快速帶大家 [0595.68-0597.52] 從歷史圍度看一看 [0597.52-0600.40] 我們究竟是一步不怎麼走到今天的 [0600.40-0602.64] 我認為李青這個賣落極其重要 [0602.64-0604.64] 很多剛進入AI領域的 [0604.64-0606.96] 朋友網網缺乏這種全局事腳 [0606.96-0609.92] 我的介紹不會完全按聲音的時間線羅列 [0609.92-0612.72] 因為很多突破在邏輯上是交差疊帶的 [0612.72-0614.32] 我會略過一些細節 [0614.32-0616.56] 做一些高圍度的科律化規難 [0616.56-0619.92] 回到2019年2月GPD2最初問事實 [0619.92-0622.40] 那時候甚至連標準的訓練結束 [0622.40-0624.08] 標記循環都沒理順 [0624.08-0626.56] 交互手段基本只有套不踩一樣 [0626.56-0629.20] 所謂環境就是最基礎的上下文 [0629.20-0632.00] 根本沒有工具調用沒有技能哭 [0632.00-0634.96] 內時的Harnit 處於微灵狀態 [0634.96-0637.92] 比如跑GSM 8K數學題 [0637.92-0640.24] 在系統提示此理協議據 [0640.24-0643.60] 你是一名數學老師請解除以下題目 [0643.60-0645.20] 蘇夕有無美元 [0645.20-0646.32] 花了三美元 [0646.32-0647.52] 他還剩多少錢 [0647.52-0648.64] 沒有思維獵 [0648.64-0651.28] 墨尾直接跟上四個景號和數字標籤 [0651.28-0653.36] 模型如果猜對了就給正分 [0653.36-0654.88] 猜錯了就給副分 [0654.88-0657.04] 而在過去的整整六年裡 [0657.04-0659.84] 社區其實一直在做統一件事 [0659.84-0661.68] 不斷給這個競態的Harnit [0661.68-0663.92] 塞入更強的系統金能力 [0663.92-0666.56] 2020年7月的FU少的論文證明 [0666.56-0669.92] 只要在輸入中塞入幾個輸入輸出事例 [0669.92-0672.24] 模型就能評介上下文學習 [0672.24-0673.68] 領悟格式與規律 [0673.68-0675.60] 緊接著四位鏈淡聲 [0675.60-0679.04] 大家意識到直接一步預測出結果標籤太難了 [0679.04-0681.52] 不如把推理計算的計算量拉長 [0681.52-0684.00] 塗抹到更多的思考偷肯上 [0684.00-0686.80] 讓模型先把中間部署一步不斜出來 [0686.80-0687.64] 再給打 [0687.64-0691.28] 這是動作空間與上下文編排上的重大飛躍 [0691.28-0694.00] 隨後塗風味和外部GPD登場 [0694.00-0698.72] 我們不再指望模型依靠固化在全重裡的參數直接死算無檢二 [0698.72-0700.96] 而是向他開放外部工具接口 [0700.96-0704.32] 用標準JSONSKIMA定義一個簡法喊述 [0704.32-0706.88] 讓模型聲稱調用直令 [0706.88-0710.08] 換起拍攝直型簡法運算 [0710.08-0712.48] 並把結果回填給模型 [0712.48-0714.56] 緊接著MAMGPD出現了 [0714.56-0716.56] 這是最核心的跨越之一 [0716.56-0719.52] 他讓模型能夠對自己的上下文歷史 [0719.52-0722.40] 進行主動的增山改查 [0722.40-0725.60] 以往我們只能單向追加上下文 [0725.60-0729.64] 而MAMGPD將工作去拆分為活躍記憶 [0729.64-0731.04] 與持久記憶 [0731.04-0733.24] 副與模型自行減索 [0733.24-0735.68] 清理和副寫記憶的能力 [0735.68-0739.52] 隨後斯坦夫的Voids論文將這個邏輯推到了極致 [0739.52-0741.36] 不僅能調用預設工具 [0741.36-0743.28] 還能在我的世界這款遊戲中 [0743.28-0745.68] 把探索成功的連續動作代碼 [0745.68-0747.44] 故化成一個技能文件 [0747.44-0749.36] 沉電圍永久資產 [0749.36-0750.80] 遇到新任務時 [0750.80-0753.52] 模型先去減索技能庫中的寒數 [0753.52-0754.88] 並直接執行 [0754.88-0756.16] 這就是現在智能體 [0756.16-0757.76] SCO機制的原型 [0757.76-0759.12] 接著代碼聲稱 [0759.12-0761.04] 與動作空間融為一體 [0761.04-0764.80] 模型在運行中當場邊寫可執行交本 [0764.80-0766.48] 臨時構建一個工具 [0766.48-0769.60] 或技能並立刻在殺相中運行 [0769.60-0771.44] 再往後就是 React [0771.44-0772.72] Self-refin [0772.72-0774.48] 和 Reflection價構 [0774.48-0777.84] 引入自反思循環與評估Agent [0777.84-0779.84] 模型聲稱了錯誤動作 [0779.84-0782.56] 比如把三合五的操作順循動反了 [0782.56-0784.88] 外部教驗器給出副反饋 [0784.88-0786.40] 模型通過反思節點 [0786.40-0787.84] 識別出自己的失誤 [0787.84-0789.12] 並原地就錯 [0789.12-0791.60] 徹底擺脫擔向聲稱的脆弱性 [0791.60-0793.44] 最終地歸與M模型 [0793.44-0794.72] 讓這一切筆緩 [0794.72-0796.64] 一個頂層調度Agent [0796.64-0799.28] 可以地歸聲稱下以及紫Agent [0799.28-0802.32] 紫Agent又擁有獨立的執行會話 [0802.32-0804.00] 與持久話殺相 [0804.00-0808.64] 多層欠套地歸拆解超大規模的副雜問題 [0808.64-0810.00] 這一整套體系 [0810.00-0812.24] 我們統稱為Harnit’s Wee [0812.24-0814.32] 也就是靜態框架時代 [0814.32-0815.44] 在這個時代 [0815.44-0818.80] 你有一份Agent的規範和系統提示詞 [0818.80-0822.16] 應編碼規定好最多執行多少輪刺 [0822.16-0824.80] 最大允許調用多少次工具 [0824.80-0827.52] 掛在工具裂表掛在技能庫 [0827.52-0829.28] 與紫Agent的裂表 [0829.28-0830.88] 然後把它放進死軍環裡跑 [0830.88-0832.32] 它可以堅聽斯拉克消息 [0832.32-0833.36] 觸發執行 [0833.36-0835.52] 稍後外色團隊介紹的QM系統 [0835.52-0836.80] 就是典型代表 [0836.80-0838.08] 也可以由定時任務 [0838.08-0839.92] 沒小時換行一次幹活 [0839.92-0842.32] 系統負責會話管理 [0842.32-0845.12] 循環推進和上下文拼裝 [0845.12-0846.80] 模型土出動作 [0846.80-0849.28] 系統執行工具並回填結果 [0849.28-0851.04] 在Harnit’s Wee裡 [0851.04-0853.04] 腳手架本身是寫死的 [0853.04-0854.96] 系統提示詞是固定的 [0854.96-0857.12] 運行規則也是靜態的 [0857.12-0859.44] 而今晚真正令人心潮蓬佩的 [0859.44-0862.64] 也是整個領域最激動人心的最前眼 [0862.64-0864.40] 是自進化Harnit’s [0864.40-0866.32] 我們讓Harnit’s本身具備 [0866.32-0869.12] 在線學習和代碼攪帶的能力 [0869.12-0872.00] 系統提示詞不再是人寫死的 [0872.00-0873.60] 甚至Harnit’s內部的 [0873.60-0876.72] 拍攝調度代碼而也是動態進化的 [0876.72-0878.16] 原本今晚有一位 [0878.16-0880.40] DSPai團隊的核心主創要來 [0880.40-0881.28] 但正好今晚 [0881.28-0882.48] 他們在究竟山 [0882.48-0885.60] 辦了一場150人的DSPai現象聚會 [0885.60-0887.12] 實在分身法術 [0887.12-0889.52] DSPai的核心折學就是 [0889.52-0891.04] 給定藝組訓練級 [0891.04-0892.40] 把提示詞工程 [0892.40-0895.52] 轉化為類似一傳編成的自動編譯過程 [0895.52-0898.32] 在空間中自動尋找候選提示詞 [0898.32-0900.72] 評估打紛並持續優化 [0900.72-0903.04] 而大文積這類框架則走得更遠 [0903.04-0904.96] 他優化的不僅是提示詞 [0904.96-0907.60] 而是直接改寫Harnit’s本身的圓馬 [0907.60-0909.36] 系統維護一個AZID架構 [0909.36-0910.48] 代碼庫檔案 [0910.48-0913.36] 在執行中不斷編譯出新的調度邏輯 [0913.36-0915.60] 在任務中評估試應度得分 [0915.60-0918.08] 將優秀的執行邏輯寫回代碼庫 [0918.08-0920.56] 形成一個由元Harnit’s動態 [0920.56-0923.68] 反預此Harnit’s自進化生態系統 [0923.68-0925.04] 今晚非常榮幸 [0925.04-0927.36] 這個領域的幾位核心領軍作者 [0927.36-0929.20] 全部清理現場 [0929.20-0933.44] 首先是來自PrimingTillac的研究員Sets Carton [0933.44-0937.52] 自進化智能體架構Priming的核心主創 [0937.52-0941.44] 接著是斯坦福大學 Christopher Ray實驗室的博士生 [0941.44-0944.64] 張Sat Falken帶來了在本地端策 [0944.64-0946.40] 深度優化極致性能 [0946.40-0949.12] 與極低成本的Open JavaScript 框架 [0949.12-0952.88] 最後是來自YC內部工程團隊的 Josh France [0952.88-0956.00] 剛生任YC實驗室負責人以及RIN [0956.00-0959.20] 他們將全景揭密支撐整個YCometator [0959.20-0962.88] 全員日常運營的核心智能體系統QIMO [0962.88-0966.08] 讓我們把時間交給第一位主角人Sets [0966.08-0971.60] 第一位主角人是來自PrimingTillac的核心研究員Sets Carton [0971.60-0975.68] 自進化智能體架構Priming Agent的核心作者 [0975.68-0978.24] 大家晚上好非常榮幸能來到這裡 [0978.32-0979.28] 我是Sets [0979.28-0982.08] 今天我將為大家分享Priming Agent [0982.08-0986.88] 一套具備自我改進能力的地規語言模型運行時礦架 [0986.88-0990.48] 我今晚的核心任務是希望能說服在座的美味 [0990.48-0992.56] 用第一性原理的思維方式 [0992.56-0996.80] 重新審視你該如何設計與構建智能體的Harness [0996.80-1000.24] 讓我們從最最根本的底層邏輯開始推演 [1000.24-1004.48] 我非常暫同剛才Jerry在開場中對眼睛賣落的精彩總結 [1004.48-1007.20] 但如果你播出所有外層的概念包裝 [1007.20-1009.68] 直接看基礎大元模型本身 [1009.68-1011.68] 他的本質到底是什麼 [1011.68-1014.80] 他在底層其實就是一個純粹的順序處理器 [1014.80-1017.76] 內部有一組固定死不變的全重參數 [1017.76-1020.72] 面前有一個能看到的滑動上下文窗口 [1020.72-1023.76] 他的全部工作就是吃進一串頭肯 [1023.76-1026.16] 經過前向計算吐出一串頭肯 [1026.16-1029.04] 一次來預測下一步最可能的輸出 [1029.04-1031.60] 然而我們今天在實際購建中 [1031.60-1035.20] 已經完全不再把它當作一個簡單的訊息起來看待了 [1035.20-1038.24] 我們在外部給他掛在了海量的文件系統接口 [1038.24-1041.44] 給他注入了曲之不進的外部寒數與API工具 [1041.44-1045.04] 甚至富裕他給其他病發運型的大模型發送消息 [1045.04-1047.44] 暗區創建多級責業證的能力 [1047.44-1048.72] 但請實客記住 [1048.72-1052.32] 模型的核心依然只是偷偷看出的概率測氣 [1052.32-1056.00] 真正將這個純粹測氣與物理真實世界瞧接起來的 [1056.00-1057.84] 負責管理持久化狀態 [1057.84-1060.80] 分發工具調用和提供計算環境的 [1060.80-1063.36] 全都是他外面的這層Harness [1063.36-1065.84] 在 PrimeAgent的架構設計中 [1065.84-1068.80] 我們徹底貫測了低規原模型的哲學 [1068.80-1071.20] 用戶在電腦上啟動 PrimeAgent後 [1071.20-1073.68] 直接進入一個全劇Agent控制台 [1073.68-1076.88] 這就像在看你所有病型運型的任務醫表盤 [1076.88-1080.56] 每一個任務都是一個清量緊臭的會化切片 [1080.56-1082.88] 當你點進任何一個具體的會化 [1082.88-1086.08] 你所面對的核心就是一個根調度會化 [1086.08-1089.60] 這個根會化扮演著全劇項目指揮官的角色 [1089.60-1093.68] 他內部掛在了一個完全持久化的IPEC的運型環境 [1093.68-1097.84] 所有工具長短期記憶體以及派聲子Agent的能力 [1097.84-1099.84] 都以原生拍攝對象的形式 [1099.84-1102.08] 注入到解釋器環境中 [1102.08-1105.44] 更會化不需要人類手動指令他去開一個子Agent [1105.44-1107.36] 而是能在拍攝代碼執行中 [1107.36-1109.60] 像調用一個普通一部含述一樣 [1109.60-1112.80] 根據需要直接通過代碼派聲子Agent [1112.80-1117.04] 每個子Agent都擁有一套完全隔離的後台持久化進程守護 [1117.04-1119.12] 即使你中途和上筆記本電腦 [1119.12-1121.40] 或者在中斷按下推出快捷劍 [1121.40-1122.80] 離開交互劍面 [1122.80-1126.24] 底層的任務依然在後台殺箱中穩定運行 [1126.24-1128.00] 直到被顯示消毀 [1128.00-1134.40] 更關鍵的是系統在運行時為每一個組件都開放了完全的增山改查接口 [1134.40-1138.24] 只能體在運行中可以動態改寫自己的記憶文件 [1138.24-1140.00] 重構自己的工具級 [1140.00-1142.96] 修改派聲子Agent的提示詞規範 [1142.96-1146.32] 甚至原地復寫自己當前的系統提示詞 [1146.32-1149.04] 為了理情這個複雜系統中的信息流轉 [1149.04-1151.44] 我們將上下文嚴格畫氛圍類似 [1151.44-1154.40] 計算機體系結構的三級分層緩存模型 [1154.40-1156.64] L1、L2、L3 [1156.64-1160.56] L1緩存式模型全壯最底層訪問延遲最低 [1160.56-1162.32] 但也是最淨台的部分 [1162.32-1165.44] 所有人都希望所有支持都內劃在全壯裡 [1165.44-1170.56] 但在生產中我們不可能為了每次業務變化都去重新微調模型 [1170.56-1172.40] 因為訓練成本太高了 [1172.40-1176.40] L2緩存式活躍輸上下文與iPad內存堆戰 [1176.40-1179.76] 模型當前輪刺能直接看到的活躍偷渴窗口 [1179.76-1183.60] 以及後台iPad內和中常駐的拍攝變量堆戰 [1183.60-1187.52] 很多時候處理海量數據根本不需要把數十萬次 [1187.52-1189.92] 服務應聲聲塞進注意力窗口 [1189.92-1193.36] 智能體完全可以把數據加載到內存變量中 [1193.36-1197.28] 用拍攝腳本在後台完成切片過濾和聚合 [1197.28-1200.96] 直把最終幾十個偷渴的分析結論回天給模型 [1200.96-1203.44] 這直接結成了海量的偷渴成本 [1203.44-1206.88] L3緩存式持久化外部存儲與狀態機 [1206.88-1208.80] 底層的持久化文件系統 [1208.80-1210.00] 項目待馬庫 [1210.00-1211.76] 歷史沉電的技能庫 [1211.76-1213.52] 以及長期記憶所引 [1213.52-1218.08] 當L2上下文面臨容量超在或任務生命週期中解釋 [1218.08-1222.08] 外部HR內死會執行類似操作系統的拉機回收機制 [1222.08-1223.92] 清理無用的臨時辨量 [1223.92-1225.92] 將成功體驗出的邏輯經驗 [1225.92-1228.72] 沉電為可呼用的技能文件和結構化記憶 [1228.72-1230.08] 協入L3次盤 [1230.08-1233.36] 如果用一個計算機科學的經典影域來對照 [1233.36-1236.96] 原始的大模型僅僅是一臺無狀態的圖靈機指待 [1236.96-1239.28] 而配上自進化HR內死的系統 [1239.28-1242.88] 才真正構成了一臺具備外部隨機存取內存 [1242.88-1245.60] 完整輸入輸出調度和自修改成訊能力的 [1245.60-1247.04] 防落一慢計算機 [1247.04-1248.40] 在這套加構之上 [1248.40-1252.00] 我們進行了一系列急劇說服力的極限壓力測試 [1252.00-1253.68] 其中最具代表性的就是 [1253.68-1255.28] AQ-AG-I-3 [1255.28-1256.88] 抽象推理機準 [1256.88-1261.84] AR-C-AG-I是目前供任最難靠記憶和套路作弊的測試之一 [1261.84-1264.88] 在標準單輪提示或基礎Rect的框架下 [1264.88-1267.60] 當前全球最強大的積作模型單螺跑 [1267.60-1271.44] 通常也只能拿到20%到30%出頭的得分 [1271.44-1274.32] 我們在完全不碰底層全重的前提下 [1274.32-1277.44] 直接把Primadent的自進化HR內死套了上去 [1277.44-1280.72] 為模型提供完整的I-Python解釋器殺箱 [1280.72-1283.52] 副語其自由編寫圖像變換腳本 [1283.52-1287.92] 自我驗證邏輯並根據暴挫自動修正策略的完整控制權 [1287.92-1289.28] 結果極其震撼 [1289.28-1292.00] 在保持相同模型不變的情況下 [1292.00-1294.48] Cloud Opus在我們的HR內下 [1294.48-1297.68] 直接拿到了95.5%的精神得分 [1297.68-1301.60] 而在隨後多輪疊帶中配合適當的搜索預算 [1301.60-1305.28] 三次渠游得得分甚至達到了99.97% [1305.28-1308.48] 同時我們還橫向對比了多種主流運行方案 [1308.48-1309.84] 在同樣模型下 [1309.84-1313.44] 如果直接使用缺乏環境自飾應機制的螺跑接口 [1313.44-1315.28] 得分往往直接遙展 [1315.28-1318.16] 而很多市面上流行的多A陣的工具 [1318.16-1320.16] 在跑這種長流程任務時 [1320.16-1324.16] 動折因為缺乏上下文拉機回收機制導致偷減迅速暴擊 [1324.16-1327.76] 測試還沒跑完就燒掉了數千美元卻一式無程 [1327.76-1329.12] 除了基準解題 [1329.12-1331.04] 我們在持續運行測試中 [1331.04-1334.24] 也漸正了令人驚探的自主永現行為 [1334.24-1337.84] 在長達7天的連續無干預運行測試中 [1337.84-1340.20] 由633個自主之 [1340.20-1342.16] 子A陣組成的集群 [1342.16-1345.84] 協同推進負責工業模擬環境中的技術數攀爬 [1345.84-1349.04] 累積消耗了超過2300萬生成偷減 [1349.04-1351.28] 在整個跨越一周的長周七中 [1351.28-1354.16] 得以於分層緩存機制與主動技術清理 [1354.16-1356.80] 系統不僅沒有發生崩潰或邏輯類化 [1356.80-1358.96] 反而隨著運行時間的推移 [1358.96-1364.32] 在底層沉電出了數千行高度優化的可負用拍攝模擴 [1364.32-1368.00] 這一切無可變模的證明決定智能體能力天花板的 [1368.00-1369.84] 絕不僅僅是模型參數 [1369.84-1372.24] 更是你在模型周圍構建的這套 [1372.24-1374.48] 哈尼斯的系統工程質量 [1374.48-1375.60] 第二位主角人 [1375.60-1380.00] 是斯坦復大學AI神氏在毒博士張塞的科肯 [1380.00-1383.92] 本地端策智能體狂價Openshoriz的核心主創 [1383.92-1387.28] 大家晚上好我是來自斯坦復大學的帳 [1387.28-1389.68] 我和我的合作者以王卡歐軟 [1389.68-1394.56] 以及導師Christopher Ray教授共同推進的項目教Openshoriz [1394.56-1397.92] 賽此剛才向大家展示了在云端極限壓榨 [1397.92-1400.56] 頂尖大模型算力的極致場景 [1400.56-1404.16] 而我們Openshoriz居交的是一個截然相反 [1404.16-1406.32] 卻同樣制觀重要的戰場 [1406.32-1409.28] 端策與本地個人智能體運行時 [1409.28-1412.24] 今天絕大多數所謂的個人AI助手 [1412.24-1415.36] 無論是Openshoriz還是各種云端智能體 [1415.36-1417.52] 其智能核心幾乎百分之百 [1417.52-1421.60] 繼升在云端王貴避援的商業模型API之上 [1421.60-1425.44] 這種純運端依賴帶來了四大難以回避的原罪 [1425.44-1427.44] 第一高王的財務成本 [1427.44-1431.36] 高頻使用的用戶一年累積下來的偷刊API帳單 [1431.36-1433.12] 往往高達數千美元 [1433.12-1433.76] 第二 [1433.76-1435.36] 嚴重的隱私洩漏 [1435.36-1437.76] 你必須把最敏感的本地個人代碼 [1437.76-1438.88] 聊天記錄 [1438.88-1440.96] 財務評證無保留的回傳制 [1440.96-1442.80] 第三方云端福祈 [1442.80-1443.76] 第三 [1443.76-1445.68] 翠若的智能租令 [1445.68-1448.88] 你從未真正擁有屬於自己的智能 [1448.88-1453.12] 一旦云端斷王API便耕或服務封禁 [1453.12-1456.16] 你的整個工作流順間停擺 [1456.16-1458.40] 第四 誇張的能源損耗 [1458.40-1461.28] 在遠端數據中心消耗數百瓦算力 [1461.28-1464.48] 去處理本地一個幾十字節的文本格式轉換 [1464.48-1466.88] 在工程能效上極度不經濟 [1466.88-1469.04] 許多人認為本地模型能力不夠 [1469.04-1470.88] 無法承擔延速工作 [1470.88-1472.00] 但現實是 [1472.00-1474.08] 開源端策模型的進化速度 [1474.08-1476.16] 比許多人想像的快得多 [1476.16-1477.76] 端策最先進模型 [1477.76-1480.16] 與云端頂級模型的代技差距 [1480.16-1483.36] 已經迅速收載到6至12個月以內 [1483.36-1485.52] 例如今天在本地Mac mini上 [1485.52-1487.04] 就能輕鬆跑起來的 [1487.04-1488.88] 困3.87B [1488.88-1490.24] 在綜合邏輯表現上 [1490.24-1492.24] 已經基本追平了一年前的 [1492.24-1493.44] 云端期間 [1493.44-1495.28] Cloud 4.6 Opus [1495.28-1498.08] 配合蘋果AppleClican統一內存價構 [1498.08-1500.72] 與云為達端策算力芯片的爆發 [1500.72-1502.88] 在本地運行高性價比 [1502.88-1504.56] 智能體的硬件基礎設施 [1504.56-1506.08] 已經完全成熟 [1506.08-1507.36] 基於這些認知 [1507.36-1509.20] 我們在設計OpenJ為此時 [1509.20-1512.24] 確立了端策期間五大核心源於 [1512.24-1514.48] 第一 統一用戶交互層 [1514.48-1516.08] 減容中端命令行 [1516.08-1518.72] 周面通知與本地網頁見面 [1518.72-1519.44] 第二 [1519.44-1521.36] 模塊化智能調度內和 [1521.36-1522.80] 負責將任務拆解 [1522.80-1524.48] 並陸有到核示的本地 [1524.48-1526.00] 或混合推力引擎 [1526.00-1528.40] 第三 本地推力引擎抽象 [1528.40-1529.44] 無縫對接 [1529.44-1531.36] Olamas LamaTPP [1531.36-1532.56] WeiRiRiM [1532.56-1533.52] SGLAND [1533.52-1535.60] 等主流本地加速運行時 [1535.60-1538.32] 是配AppleClican與本地GPU [1538.32-1541.20] 第四 進程內工具與內存總線 [1541.20-1542.56] 通過標準模型 [1542.56-1544.40] 上下文協議MCP [1544.40-1546.16] 跨在本地文件獨寫 [1546.16-1548.88] 拜實 執行與持久化狀態機 [1548.88-1551.92] 第五 端策持續微調與自視影 [1551.92-1554.36] 結合本地Lora DPO DSP [1554.36-1555.64] 等提示編譯 [1555.64-1557.92] 與輕量全重自視影技術 [1557.92-1561.12] 讓端策A陣的能根據用戶的日常數據 [1561.12-1563.12] 完成長期自進化 [1563.12-1564.32] 在此幾主上 [1564.32-1568.40] 我們探索出了一套集劇殺傷力的混合落地犯事 [1568.40-1570.08] 云端編譯優化 [1570.08-1571.76] 本地臨成本推力 [1571.76-1573.60] 我們不需要本地小模型 [1573.60-1576.00] 具備即強的規劃推力能力 [1576.00-1578.80] 系統可以調用一次云端頂級模型 [1578.80-1580.44] 比如Cload of Opers [1580.44-1582.08] 或GPT5.6 [1582.08-1584.68] 讓云端模型作為架構編譯 [1584.68-1586.44] 專門用來分析 [1586.44-1591.04] 整段並優化本地小模型執行任務時所需的提示詞 [1591.04-1592.16] 編排規範 [1592.16-1594.88] 少樣本勢力以及工具定義 [1594.88-1597.20] 一旦這套針對特定場景定制的 [1597.20-1599.64] 哈內斯規範被云端編譯定型 [1599.64-1601.96] 後續數萬次的高頻實際執行 [1601.96-1603.76] 全部下誠至本地設備 [1603.76-1605.04] 完全免費跑 [1605.04-1606.44] 實測結果表明 [1606.44-1608.44] 在處理個人文件結束 [1608.44-1609.84] 日常戴馬修復 [1609.84-1611.00] 數據清洗 [1611.00-1613.04] 與多部肉自動化任務時 [1613.04-1617.04] 經過OpenJ為CU化編譯的本地端策智能體 [1617.04-1619.20] 在任務完成智量上完全能夠與 [1619.20-1620.80] 存運端系統相抗衡 [1620.80-1624.24] 但卻為用戶帶來了高達800倍的運行成本降幅 [1624.24-1626.68] 同時大幅消除了網絡網緣帶來的 [1626.68-1627.96] 端道端延遲 [1627.96-1631.44] 並實現了100%的本地數據隱私閉環 [1631.44-1632.72] 未來一到兩年內 [1632.72-1634.84] 行業畢章迎來一次大喜牌 [1634.84-1637.20] 海量原本被粗暴推往云端的 [1637.20-1638.48] 輕量推離請求 [1638.48-1641.96] 將大規模簽回本地麥克工作戰與移動中端 [1641.96-1643.52] 接下來登場的是 [1643.52-1646.08] YCUminator內部系統架構是 [1646.08-1648.40] 資深工程師Josh France [1648.40-1649.68] 大家好 我是Josh [1649.68-1651.28] 旁邊是我的同事Ring [1651.28-1653.76] 接下來由我們向大家介紹QM [1653.76-1656.40] 專門支撐YCUminator內部全員 [1656.40-1659.76] 全流程日常運營的企業級智能體Hannis [1659.76-1661.28] QM的核心使命 [1661.28-1663.44] 是為YC的每一位合火人 [1663.44-1665.36] 分析師和運營員工 [1665.36-1667.52] 在內部斯拉克與網頁見面中 [1667.52-1668.80] 提供一個專屬 [1668.80-1670.08] 可深度定制 [1670.08-1671.52] 能自主操控電腦 [1671.52-1673.60] 與內部工具的超級數字助手 [1673.60-1678.00] 大家可能號其YCUminator內部投入這麼大利息自言QM [1678.00-1679.68] 這其實原自過去兩年 [1679.68-1682.96] 我們在內部經歷的一場集期真實的痛苦精華 [1682.96-1684.24] 2015年1月 [1684.24-1686.88] 我們上線了第一代內部通用Agent [1686.88-1688.56] 那時候加過非常原始 [1688.56-1689.68] 單輪循環 [1689.68-1692.48] 應變碼的提示此外掛幾個工具接口 [1692.48-1694.80] 全員共用同一套司板規則 [1694.80-1697.04] 雖然他連查數據庫的科科版辦 [1697.04-1699.68] 但已經能綿墻回答一些基礎數據統計 [1699.68-1701.76] 隨後到了2015年年中 [1701.76-1703.60] 隨著代碼大模型的爆發 [1703.60-1706.40] 我們開始將虛擬機環境掛在給Agent [1706.40-1707.92] 並通過斯拉克命令 [1707.92-1711.20] 讓他幫工程師自動提交單次修復 [1711.20-1712.88] 自動跑CICD流程 [1712.88-1715.20] 並在測試殺箱裡不屬驗證 [1715.20-1716.40] 到了今年1月 [1716.40-1719.76] 許多YC和火人開始瘋狂迷上Openg Klaw [1719.76-1722.96] YC的和火人們日常日常極度密集 [1722.96-1725.52] 每天面臨海量的項目申請郵件 [1725.52-1728.16] 創始人日常約談與盡調溝通 [1728.16-1730.16] Openg Klaw這種自帶電腦 [1730.16-1733.28] 擁有完整操作全線的獨立智能體犯事 [1733.28-1735.60] 瞬間讓和火人們感受到了巨大的 [1735.60-1736.56] 尷尬效應 [1736.56-1739.60] 但隨之二來的確是孕為團隊的惡夢 [1739.60-1741.84] 為了讓全員用上這套能力 [1741.84-1744.72] 我們在內部云上開了50多個獨立的 [1744.72-1746.40] Hermy死迅機 [1746.40-1748.80] 這50多個實力不僅配置凡所 [1748.80-1749.92] 全線混亂 [1749.92-1752.40] 而且經常莫名其妙調現假死 [1752.40-1754.32] 我整天不得不像個王管一樣 [1754.32-1756.16] 主臺登進去重啟排錯 [1756.16-1757.92] 這逼的我們徹底下領覺心 [1757.92-1759.12] 必須推倒從來 [1759.12-1762.08] 從底層打造一套統一高彈性 [1762.08-1764.32] 企業級的多智能體價構 [1764.32-1766.08] 這就是QM的由來 [1766.08-1770.16] 緊接著分享的是YC內部AI系統工程師 [1770.16-1773.68] JB Strawberry Ragan習慣上簡稱Rin [1773.68-1775.84] 在購建QM的過程中 [1775.84-1777.68] 我們採評了無數天坑 [1777.68-1781.20] 體驗出了兩項最具顛覆性的價構轉向 [1781.44-1783.28] 第一項重大轉向 [1783.28-1786.24] 把智能體的大腦從訴訟殺相中 [1786.24-1787.76] 徹底撥離出來 [1787.76-1789.60] 在以往的價構裡 [1789.60-1791.36] 比如早期的Hermy死 [1791.36-1793.12] 或獨立虛擬機不屬 [1793.12-1794.96] 智能體的上下文 [1794.96-1796.72] 會化記錄與狀態 [1796.72-1799.36] 是完全死死所在內臺機器裡的 [1799.36-1800.96] 一旦殺相崩潰 [1800.96-1802.56] 或者需要斜同 [1802.56-1804.16] 數據就變成了估導 [1804.16-1805.12] 在QM中 [1805.12-1807.12] 我們把所有會化狀態 [1807.12-1809.20] 中間推力軌跡與執行日治 [1809.20-1810.16] 全部結合 [1810.16-1812.88] 下程制統一的中心化Pose Grey [1812.88-1814.64] C-C-C-Sucary褲集群中 [1814.64-1816.80] 我們不再把殺相當成 [1816.80-1818.80] 智能體居住的房子 [1818.80-1820.56] 而是把殺相當成一種 [1820.56-1823.76] 暗區調用的消耗性計算資源 [1823.76-1825.84] 當智能體要處理清量任務時 [1825.84-1827.68] 系統秒機給它掛在一個 [1827.68-1829.44] 極小規格的臨時容器 [1829.44-1832.24] 當它需要跑超重型全戰編譯時 [1832.24-1833.52] 它自己在運行時 [1833.52-1835.12] 像掉度系統申請調用 [1835.12-1838.40] 怪有高性能GPU或大內存的強力殺相 [1838.40-1840.72] 執行完畢後殺相隨手釋放 [1840.72-1842.88] 但它的全局狀態思考戀路 [1842.88-1845.52] 和產物永久沉淹在數據庫中 [1845.52-1847.20] 第二向中大轉向 [1847.20-1848.80] 是我們總結出的 [1848.80-1852.24] 多智能體落地的三大致命反模式 [1852.24-1853.28] 反模是一 [1853.28-1856.40] 多智能體自由自然語言互聊 [1856.40-1859.44] 讓幾個智能體在群力自由用自然語言 [1859.44-1861.28] 互相討論自我疊待 [1861.28-1863.68] 在貸貌眼市裡看起來很酷減 [1863.68-1865.36] 但在真實業務生產中 [1865.36-1867.28] 是一場撤頭撤尾的災難 [1867.28-1869.76] 他們會迅速陷入彼此奉稱 [1869.76-1873.44] 副獨機市車谷錄化和無意義的概念發散中 [1873.44-1876.00] 幾分鐘就能燒光數百萬頭肯 [1876.00-1877.84] 產出卻幾乎為零 [1877.84-1879.20] 在QM種 [1879.20-1881.12] 我們嚴格提出智能體之間 [1881.12-1883.52] 毫無約數的自然語言之連 [1883.52-1885.20] 所有多智能體協作 [1885.20-1887.52] 必須基於強類型的事件總限 [1887.52-1890.32] 明確定義的任務7月和共享狀態表 [1890.32-1891.84] 進行義步交接 [1891.84-1894.08] 反模式上帝視角的 [1894.08-1896.08] 全知上下文換覺 [1896.08-1899.60] 在初始化時恨不得把全公司的文藍庫 [1899.60-1901.12] 所有歷史了解紀錄 [1901.12-1902.64] 一股腦塞給A陣 [1902.64-1904.32] 自以為這樣最智能 [1904.32-1907.12] 結果是嚴重的注意力迷散 [1907.12-1909.52] 只令跟隨率斷壓視下滑 [1909.52-1912.72] 並辦隨極高的樂權限密風險 [1912.72-1914.24] 真實的解決方案是 [1914.24-1918.24] 嚴格結合外色多年成電的底層系列度全線系統 [1918.24-1921.52] 推行暗區最小受權與漸進士上下文 [1921.52-1922.32] 所以 [1922.32-1923.36] 反模式三 [1923.36-1925.92] 缺乏硬性執行文進的假自主 [1925.92-1929.04] 許多系統完全聽信模型自稱的任務 [1929.04-1930.24] 以成功完成 [1930.24-1933.04] 結果往往包含大量衛經驗證的 [1933.04-1935.28] 患覺待碼與殘缺數據 [1935.28-1936.40] 在QM種 [1936.40-1937.76] 所有關鍵寫操作 [1937.76-1939.76] 比如P2修改生產數據固 [1939.76-1941.28] 發送外部重要有件 [1941.28-1944.16] 都強制插入確定性待碼斷嚴檢查 [1944.16-1948.08] 並在高風險動作前提供人類確認的審批文件 [1948.08-1951.20] 此外針對智能體在長洲七任務中容易 [1951.20-1953.04] 中途過早放棄的問題 [1953.04-1955.76] 我們還專門開發了嚴模工具機制 [1955.76-1959.12] 通過外部HR那次給任務硬性矛定思考預算 [1959.12-1960.64] 或執行始終下線 [1960.64-1963.84] 禁止模型在未窮進探索路徑之前 [1963.84-1965.76] 過早宣布失敗推出 [1965.76-1968.24] 這在長線研究報告與一南待碼 [1968.24-1971.28] 調視中取得了突破性的穩定性提升 [1971.28-1973.60] QM目前已經完全開緣 [1973.60-1976.40] 歡迎大家在生產環境中上手體驗 [1976.40-1978.64] 並向我們提交問題反饋 [1978.64-1982.48] YC內部工程團隊也正在火熱招品中 [1982.48-1984.80] 接下來進入現場提問環節 [1984.80-1986.16] 第一位觀眾的問題是 [1986.16-1988.32] 未來隨著積作模型的持續進化 [1988.32-1991.28] 比如底層原生支持更長的思維鏈 [1991.28-1993.28] 更強的原生工具搜索 [1993.28-1997.28] HR那次的這層抽象會不會被底層模型全面吞釋 [1997.28-1999.60] 最終輪為多餘的多思議局 [1999.60-2001.68] 回答這個問題的是Seth Carton [2001.68-2002.56] 絕對不會 [2002.56-2004.88] 這是一種經典的認知盲區 [2004.88-2006.24] 底作模型變強 [2006.24-2009.68] 內化的是純粹的概率推理和副號轉換能力 [2009.68-2012.00] 但模型永遠不是操作系統 [2012.00-2013.92] 無論未來的模型單體質 [2013.92-2014.80] 有多高 [2014.80-2016.72] 他受制於計算副雜度 [2016.72-2018.48] 依然必須面對上下文 [2018.48-2022.00] 華動窗口與內存容量的物理可觀限制 [2022.00-2024.80] 他無法評供替你為細跨越數州的多 [2024.80-2026.56] 進程持久化會化 [2026.56-2028.96] 無法替代安全隔離的執行殺箱 [2028.96-2033.04] 無法自動處理副雜分布時系統的網絡中斷與斷點需傳 [2033.04-2034.64] 更無法評空實現對 [2034.64-2037.76] 一購外部數據員的物理安全訪問控制 [2037.76-2040.00] 積作模型的進化不僅不會消滅HR [2040.00-2042.00] 反而會讓不良設計的低效HR [2042.00-2043.36] HR那是北訓屬淘汰 [2043.36-2045.68] 逼迫我們構建出更加貼近系統 [2045.68-2046.72] 底層本質 [2046.72-2050.16] 更加模塊化更加強大的操作系統GHR那是 [2050.16-2051.44] 第二位觀眾提問 [2051.44-2053.52] 對於絕大多數基本在做的 [2053.52-2057.60] 正在依陷構建具體A陣產品的工程師和創業團隊 [2057.60-2061.36] 大家最應該優先投入經歷的抓手到底是什麼 [2061.36-2062.96] 回答這個問題的是 [2062.96-2064.56] 裝Sat Falkan [2064.56-2070.08] 停止899%的經歷浪費在追逐每週發布的每一個最新積作模型跑分上 [2070.08-2073.76] 選定一個成熟穩定且新價比極高的主力模型 [2073.76-2076.32] 把你們團隊80%以上的工程心力 [2076.32-2079.44] 沙扎實施投入到你們專屬的HR那次架構中 [2079.44-2081.76] 去精心打模你們的結構化工具 [2081.76-2082.80] 調用協議 [2082.80-2086.32] 為你們的業務場景設計無泄可及的代碼殺箱 [2086.32-2088.24] 與確定性斷言文進 [2088.24-2091.60] 購建一套支持任務長周期序列化持久存儲 [2091.60-2092.88] 在任意中斷後 [2092.88-2096.00] 都能無奉換行徐跑的上下文調度機 [2096.00-2099.52] 只有你在HR那次架構上沉電下來的工程資產 [2099.52-2102.32] 狀態治理策略與閉環驗證經驗 [2102.32-2104.72] 才是認平底層模型如何洗牌 [2104.72-2108.24] 都永遠無法被輕易模緒的核心技術護程核 [2108.24-2110.40] 好了今天的分享就到這裡 [2110.40-2115.20] 歡迎訂閱AIGs 加入或最新鮮的A.I. 領域最新支持 [2115.20-2116.88] 最後插播一個廣告 [2116.88-2119.68] 主播自己的A.I.創業產品有納費 [2119.68-2123.76] 一個能移見整合你的飛輸、釘丁、同學會議、砲德 [2123.76-2125.76] 和其他錄音卡、錄音動 [2125.76-2129.44] 隨時隨地幫您解讀日常會議與溝通背後的生意 [2129.84-2133.44] 所定關鍵信息的A.I. 盛須上線 [2133.44-2136.48] 最新的版本也支持了直接給他播客鏈接 [2136.48-2143.44] 他就能輕鬆完成轉寫、總結、分析、甚至多個播客的關聯解讀和分析 [2143.44-2147.36] 如果你有興趣歡迎在本播客的公告欄查看提案方式 [2147.36-2148.40] 我們下期見
标签： #主题/AI-Agent #主题/Harness工程 #主题/Agent运行时 #场景/播客 #节点/Harness #节点/Agent-Loop #节点/Context-Engineering #节点/Memory