A Hermit külső réteggel alakítja az AI-ügynökök működését

Az Infini-AI-Lab Hermit keretrendszere úgy kínál alkalmazkodási lehetőséget a fejlesztők ügynökeinek, hogy nem változtatja meg az alapul szolgáló modellt vagy a harness nevű, ügynököt futtató infrastruktúrát. Ehelyett a visszajelzés egy külső adaptert alakít: ez utasításokat, készségeket, memóriát, eszközöket vagy együttműködési logikát tartalmazó, tanítható kiegészítés.

A valódi modellt használó útmutató különválasztja a tanítást és az eredmény ellenőrzését: kilenc, érzelmi töltet szerinti szövegosztályozási feladatot oszt egyenlően tanítási, validálási és elkülönített tesztelési csoportba. A feladatot végrehajtó modell beállításait rögzítve tartja az alapállapot, a kezdeti adapter és a végső adapter összehasonlításakor. Az olvasónak ellenőriznie kell, hogy nulla végrehajtási hiba történt-e; az ilyen hibák nélküli alacsony pontszám még érvényes tanítási visszajelzés lehet. Három tesztfeladat nem igazol megbízható javulást, és a tanult változtatás ronthatja is az eredményt.

A telepítési útmutató egy másik határt is kijelöl: a munkaterület fájljainak előállítása nem indítja el a fogadó alkalmazást. A munkaterületnek üresnek vagy korábban ugyanahhoz a fogadó alkalmazáshoz generáltnak kell lennie, az adaptertől elkülönítve; a rendszer egy tetszőleges, nem üres projektkönyvtárat visszautasít. Az újratelepítés lecseréli a generált beállításokat és a kezelt kontextusblokkot, ezért e generált részeket nem szabad megőrzött kézi módosításként kezelni. Az adapter bővítménycsomaggá alakítása sem telepíti vagy engedélyezi azt, és önmagában a fájlok előállítása nem teljesítménymérés.

A projektről és a külső adapterre épülő megközelítéséről a MarkTechPost másodlagos beszámolót közölt.