Laboratorium Infini-AI-Lab opublikowało Hermit, otwartoźródłowe środowisko adaptacyjne (harness) dla agentów sztucznej inteligencji. Jego pierwsza wersja, v0.1.0, ukazała się 25 października 2026 roku, a badacz Haizhong Zheng, pracujący na stanowisku postdoca na CMU, ogłosił ją na X 27 października. Deklarowanym celem, skierowanym do programistów, jest adaptacja agentów Codex lub Claude Code do nowych zadań bez ponownego trenowania modelu ani modyfikowania harnessu.
Zewnętrzny adapter zamiast zmodyfikowanego modelu
Hermit trenuje adapter harnessu, czyli zewnętrzny, uczalny komponent, który dołącza do istniejącego agenta. Harness oznacza tutaj zestaw instrukcji, narzędzi i reguł określających działanie agenta. Zarówno model bazowy, jak i harness pozostają niezmienione. Adapter może zawierać instrukcje, wielokrotnie używane umiejętności, pamięć, narzędzia, wykonywalny kod, a nawet logikę koordynującą pracę wielu agentów; może też przybrać formę pełnego repozytorium.
Według zespołu, taki wybór podyktowany jest trzema przyczynami. Wiele harnessów jest zamkniętych, modyfikacje otwartego harnessu mogą zaburzyć precyzyjnie dostrojone interakcje, a wytrenowany adapter może być przenoszony między kompatybilnymi modelami i harnessami. W przeciwieństwie do adaptera modelu, takiego jak LoRA, który modyfikuje sam model, ten działa na poziomie agenta.
Pięcioetapowa pętla treningowa
Hermit opiera się na pętli treningowej wykorzystującej uczenie przez wzmacnianie. Trainer wykonuje partię zadań przez agenta z aktualnym adapterem, a następnie sędzia ocenia wyniki. Evolver analizuje trajektorie i informacje zwrotne, po czym proponuje nowy adapter. Trainer weryfikuje tę propozycję względem szablonu, zanim zapisze ją jako kolejną wersję.
Każda wersja jest przechowywana w drzewie git, co umożliwia jej inspekcję, powrót do poprzednich wersji lub dystrybucję dowolnej z nich. Programy uczące mogą być wykonywane w piaskownicy, która wymaga Linuksa z bubblewrap. Dostępnych jest pięć metod ewolucji: GEPA, SkillOpt, MetaWorld Model (MWM), Harness² i Continual Harness. ACE i ReHarness zostały zapowiedziane jako wkrótce dostępne, a użytkownicy mogą pisać własne Evolvery.
Samodeklarowane wyniki
Wszystkie przedstawione testy wykorzystują GLM 5.3 Flash jako model działający. Dane pochodzą z plików README przykładów w repozytorium i są samodeklarowane. W przypadku OfficeQA, który zadaje 172 pytania dotyczące amerykańskich Treasury Bulletins z kryterium dokładnego dopasowania, precyzja wzrasta z 0,541 bez adaptera do 0,651 dla Harness². Na CL-Bench, MWM osiąga 0,795 w eksploracji bazy danych, w porównaniu do 0,580 dla referencyjnego uczenia w kontekście. Na ServeLearnBench, który obsługuje 624 zgłoszenia wsparcia w środowisku z ukrytą polityką, MWM uzyskuje 45,3, w porównaniu do 28,7 dla CH i 89,2 dla wyroczni znającej politykę. Dla tego ostatniego testu przeprowadzono tylko jedno uruchomienie, a większość opublikowanych wyników również pochodzi z pojedynczego uruchomienia.
Jeśli chodzi o wdrożenie, Hermit instaluje się za pomocą pip install hermit-harness. Polecenie hermit deploy tworzy przestrzeń roboczą dla Codex, Claude Code lub Pi, natomiast hermit convert eksportuje wytrenowany adapter jako natywną wtyczkę dla Codex, Claude Code, Pi lub Hermes. Modele są określane w formie /, obejmując między innymi Fireworks, OpenAI, Anthropic, DeepSeek, vLLM, SGLang i Ollama. Repozytorium prezentuje również adapter do współpracy dla Lean, który koordynuje pracę pięciu agentów Codex wspólnie zajmujących się dowodzeniem tego samego twierdzenia.
