Infini-AI-Lab、AIエージェント向け適応フレームワーク「Hermit」をオープンソースで公開

モデル改変ではなく外部アダプター

Hermitはハーネスアダプター、すなわち既存エージェントに接続する外部の学習可能コンポーネントを学習する。ここでのハーネスとは、エージェントの動作を規定する一連の指示、ツール、ルールを指す。ベースモデルとハーネスは固定されたままである。アダプターには、指示、再利用可能なスキル、メモリ、ツール、実行可能コード、さらには複数エージェントの調整ロジックを含めることができ、完全なリポジトリの形を取ることも可能だ。

チームによれば、この選択には3つの理由がある。多くのハーネスはクローズドであり、オープンなハーネスの変更は慎重に調整された相互作用を破壊する可能性があり、学習済みアダプターは互換性のあるモデルやハーネス間で転用できる。LoRAのようなモデル自体を変更するモデルアダプターとは異なり、これはエージェントに対して作用する。

5段階の学習ループ

Hermitは強化学習型の学習ループを採用する。Trainerが現在のアダプターを装着したエージェントにタスクのバッチを実行させ、評価者が結果を採点する。Evolverが軌跡とフィードバックを読み取り、新たなアダプターを提案する。Trainerはこの提案をテンプレートに対して検証した後、次のバージョンとして記録する。

各バージョンはgitツリーに保存され、検査、巻き戻し、任意のバージョンの配布が可能となる。学習プログラムはサンドボックス内で実行でき、bubblewrapを備えたLinuxが必要だ。5つの進化手法が利用可能：GEPA、SkillOpt、MetaWorld Model (MWM)、Harness²、Continual Harness。ACEとReHarnessは近日公開予定とされ、ユーザーは独自のEvolverを記述できる。

自己申告による結果

提示された全てのテストは、動作モデルとしてGLM 5.3 Flashを使用している。数値はリポジトリのサンプルREADMEに基づく自己申告によるものだ。米国財務省公報に関する172の質問を正確一致基準で問うOfficeQAでは、精度がアダプターなしの0.541からHarness²で0.651に向上した。CL-Benchでは、MWMがデータベース探索で0.795を達成、文脈内学習のベースライン0.580を上回った。隠されたポリシーを持つ枠組みで624件のサポートリクエストを扱うServeLearnBenchでは、MWMが45.3を獲得、CHの28.7、ポリシーを知るオラクルの89.2と比較された。後者のテストは1回のみ実行され、公開結果の大半も単一実行に基づく。

デプロイメント面では、Hermitはpip install hermit-harnessでインストール可能。コマンドhermit deployはCodex、Claude Code、Pi用のワークスペースを作成し、hermit convertは学習済みアダプターをCodex、Claude Code、Pi、Hermes用のネイティブプラグインとしてエクスポートする。モデルは/形式で指定され、Fireworks、OpenAI、Anthropic、DeepSeek、vLLM、SGLang、Ollamaなどが含まれる。リポジトリには、同じ定理の証明を共同で担当する5つのCodexエージェントを調整するLean用コラボレーションアダプターも紹介されている。