Pat Jiang 今天發布了 Harness-1,一個建立在 gpt-oss-20b 上的 20B 參數檢索子代理,在論文稱為 state-externalizing search harness 內使用強化學習訓練(arxiv 2606.02373,程式碼在 github.com/pat-jj/harness-1)。標題基準數字:在涵蓋網路、金融、專利和多跳 QA 的八個檢索基準上 0.730 平均 curated recall,比下一個最強的開源 search 子代理高 11.4 分,在 held-out transfer 基準上的增益特別強。權重和 harness 程式碼是公開的,可通過 vLLM、SGLang 或 Transformers 提供服務。前沿模型搜尋器(更大、封閉)仍然具有競爭力,但一個 20B 開放模型落在這個範圍內並有這種 transfer 行為是值得暫停的結果。
架構 insight 是這個發布中比基準 delta 更重要的部分。傳統 search-agent 訓練將 policy 視為不斷增長的 transcript 上的函數:模型必須同時決定下一步搜尋什麼、記住已經看到的、追蹤哪些證據有用、保持哪些約束仍然開放,以及回憶哪些聲明已經實際驗證。這是很多 routine state management 要通過應該做真正推理的同一參數推送,隨著 transcript 增長,bookkeeping crowd out 了推理。Harness-1 改為將 bookkeeping 外部化到環境。harness 本身維護一個 candidate pool、一個 importance-tagged curated set、緊湊的 evidence links、驗證記錄、壓縮和去重的觀察,以及 budget-aware context rendering。policy 決定下一步做什麼;環境擁有其餘的。然後在這個結構化環境內執行 RL,以便 policy 可以學習利用外部化狀態的行為。Memory OS 上週為通用 agent 記憶體論證了相同的形態(六層,每層都有不同的目的)。Harness-1 在特定領域(檢索)內實例化相同的想法,帶有測量的增益,這使得外部化原則成為可測量的聲明,而不僅僅是一個設計教訓。
值得追蹤的兩條生態線索。首先,「subagent specialization」模式開始鞏固。Memory OS 是 Hermes 的記憶體層。Mellum2 將自己定位為多模型管道中的 focal model。Hermes Desktop 提供五個 sandbox 後端,使每個工具類別都有自己的執行表面。Harness-1 專門化檢索槽,RL 訓練將模型綁定到 harness 而不是產生通用 searcher。這個方向在戰略上很重要:如果生產 agent 堆疊將是 plural 和 persistent(過去兩週的發布所指向的地方),裡面的元件將是針對其 harness 訓練的專家,而不是通才。工作單元在編排器扇出的同時縮小並專業化。其次,開放基礎模型的選擇是安靜的訊號。建立在 gpt-oss-20b 上意味著 Harness-1 繼承了寬鬆的授權姿態,可以自託管,並且可以由任何有計算能力的人複現。Harness-1 與之比較的前沿封閉搜尋器在這個意義上不可複現。對於決定是否押注封閉搜尋 API 或組裝開放子代理的 builders,與下一個開放選項的 +11.4 分差距比與前沿的差距更重要,因為開放選項是你實際可以在自己的基底上部署的。
週一早上,如果你在 agent 工作流中建構檢索:在預設使用帶 web 工具的通用 LLM 之前,嘗試 Harness-1 作為管道中的搜尋槽。transfer benchmark 上的強度表明當你的領域與訓練集不同時它不會崩潰,但用你自己的評估來驗證。如果你設計自己的 agent harness,狀態外部化模式是值得研究的工程教訓,candidate-pool 加 importance-tagged-curated 加 verification-record 加 compressed-observations 結構是具體形態,如果你想複現配方,閱讀論文以了解 RL 設置是必需的。如果你在生產中執行封閉搜尋 API,與前沿封閉搜尋器的差距是對你重要的比較,但開放檢索縮小該差距的速度現在足夠明顯,以至於買與建的計算正在以季度節奏轉變。如果你關注 agent-runtime 整合線索,這個發布乾淨地適合:專門的子代理,針對它們居住的 harnesses 進行訓練,坐在 Microsoft、Nous 和 Anthropic 目前都在爭奪的執行時層內。