Pat Jiang 今天发布了 Harness-1,一个建立在 gpt-oss-20b 上的 20B 参数检索子代理,在论文称为 state-externalizing search harness 内使用强化学习训练(arxiv 2606.02373,代码在 github.com/pat-jj/harness-1)。标题基准数字:在涵盖网络、金融、专利和多跳 QA 的八个检索基准上 0.730 平均 curated recall,比下一个最强的开源 search 子代理高 11.4 分,在 held-out transfer 基准上的增益特别强。权重和 harness 代码是公开的,可通过 vLLM、SGLang 或 Transformers 提供服务。前沿模型搜索器(更大、封闭)仍然具有竞争力,但一个 20B 开放模型落在这个范围内并有这种 transfer 行为是值得暂停的结果。
架构 insight 是这个发布中比基准 delta 更重要的部分。传统 search-agent 训练将 policy 视为不断增长的 transcript 上的函数:模型必须同时决定下一步搜索什么、记住已经看到的、追踪哪些证据有用、保持哪些约束仍然开放,以及回忆哪些声明已经实际验证。这是很多 routine state management 要通过应该做真正推理的同一参数推送,随着 transcript 增长,bookkeeping crowd out 了推理。Harness-1 改为将 bookkeeping 外部化到环境。harness 本身维护一个 candidate pool、一个 importance-tagged curated set、紧凑的 evidence links、验证记录、压缩和去重的观察,以及 budget-aware context rendering。policy 决定下一步做什么;环境拥有其余的。然后在这个结构化环境内运行 RL,以便 policy 可以学习利用外部化状态的行为。Memory OS 上周为通用 agent 内存论证了相同的形态(六层,每层都有不同的目的)。Harness-1 在特定领域(检索)内实例化相同的想法,带有测量的增益,这使得外部化原则成为可测量的声明,而不仅仅是一个设计教训。
值得跟踪的两条生态线索。首先,"subagent specialization" 模式开始巩固。Memory OS 是 Hermes 的内存层。Mellum2 将自己定位为多模型管道中的 focal model。Hermes Desktop 提供五个 sandbox 后端,使每个工具类别都有自己的执行表面。Harness-1 专门化检索槽,RL 训练将模型绑定到 harness 而不是产生通用 searcher。这个方向在战略上很重要:如果生产 agent 堆栈将是 plural 和 persistent(过去两周的发布所指向的地方),里面的组件将是针对其 harness 训练的专家,而不是通才。工作单元在编排器扇出的同时缩小并专业化。其次,开放基础模型的选择是安静的信号。建立在 gpt-oss-20b 上意味着 Harness-1 继承了宽松的许可证姿态,可以自托管,并且可以由任何有计算能力的人复现。Harness-1 与之比较的前沿封闭搜索器在这个意义上不可复现。对于决定是否押注封闭搜索 API 或组装开放子代理的 builders,与下一个开放选项的 +11.4 分差距比与前沿的差距更重要,因为开放选项是你实际可以在自己的基底上部署的。
周一早上,如果你在 agent 工作流中构建检索:在默认使用带 web 工具的通用 LLM 之前,尝试 Harness-1 作为管道中的搜索槽。transfer benchmark 上的强度表明当你的领域与训练集不同时它不会崩溃,但用你自己的评估来验证。如果你设计自己的 agent harness,状态外部化模式是值得研究的工程教训,candidate-pool 加 importance-tagged-curated 加 verification-record 加 compressed-observations 结构是具体形态,如果你想复现配方,阅读论文以了解 RL 设置是必需的。如果你在生产中运行封闭搜索 API,与前沿封闭搜索器的差距是对你重要的比较,但开放检索缩小该差距的速度现在足够明显,以至于买与建的计算正在以季度节奏转变。如果你关注 agent-runtime 整合线索,这个发布干净地适合:专门的子代理,针对它们居住的 harnesses 进行训练,坐在 Microsoft、Nous 和 Anthropic 目前都在争夺的运行时层内。