Infini-AI-Lab выпустила Hermit — фреймворк адаптеров обвязки с открытым исходным кодом для ИИ-агентов

Infini-AI-Lab выпустила Hermit — фреймворк-адаптер с открытым исходным кодом для оболочек ИИ-агентов. Hermit — это фреймворк Infini-AI-Lab, который обучает внешний «адаптер оболочки», пока модель агента и его оболочка остаются неизменными. Первый релиз, v0.1.0, вышел 25 октября 2026 года. Постдокторант CMU Хайчжун Чжэн объявил о нём в X 27 октября. Для разработчиков идея проста: адаптировать агентов Codex или Claude Code к новым задачам без тонкой настройки или форка оболочки.

Кратко

Размер: Фреймворк на Python. Собственных параметров нет. Лицензия Apache-2.0, установка — pip install hermit-harness.
Запуск: Для автономного быстрого старта не нужны GPU, аккаунт модели или набор данных. В реальных запусках можно использовать любой API-бэкенд либо локальный сервер vLLM, SGLang или Ollama.
Производительность: Заявлен прирост по сравнению с базовыми вариантами без адаптера на OfficeQA, CL-Bench и ServeLearnBench — во всех случаях использовалась GLM 5.3 Flash.
Лучший результат: Адаптер MWM достигает точности 0,795 при исследовании базы данных в CL-Bench против 0,580 у базового варианта с контекстом.
Худший результат: Адаптер, основанный только на промпте, набирает 0,470 на той же задаче — ниже базового результата 0,580.
Итог: Лучшее: один цикл обучения для 5 методов эволюции оболочки. Худшее: большинство результатов получено в единичных запусках и заявлено самими разработчиками.

Что такое адаптер оболочки?

Адаптер оболочки — это обучаемая внешняя оболочка. Он работает как плагин со встроенной поддержкой обучения. Адаптер модели, например LoRA, адаптирует модель. Адаптер оболочки вместо этого адаптирует уже существующего агента.

Адаптер может содержать инструкции, навыки, память, инструменты, исполняемый код и логику координации агентов. Он может даже представлять собой целый репозиторий. В его спецификации указывается, какие части можно обучать и как проверяются обновления. Базовая модель и оболочка никогда не изменяются.

Команда называет 3 причины в пользу такой конструкции. Многие оболочки имеют закрытый исходный код. Редактирование открытых оболочек может нарушить тщательно настроенное взаимодействие компонентов. Кроме того, обученный адаптер можно переносить между совместимыми моделями и оболочками.

Как Hermit обучает адаптер?

Hermit использует цикл обучения в стиле RL. Trainer запускает пакет задач через действующего агента с текущим адаптером. Judge оценивает результаты. Evolver анализирует траектории и обратную связь, а затем предлагает новый адаптер. Trainer проверяет его по шаблону и фиксирует как следующую версию.

Каждая версия адаптера хранится в дереве git. Любую версию можно просмотреть, откатить или выпустить. Программы обучения могут выполняться в изолированной среде; для этого требуется Linux с bubblewrap.

Сегодня доступны пять методов эволюции: GEPA, SkillOpt, MetaWorld Model (MWM), Harness² и Continual Harness. ACE и ReHarness указаны как готовящиеся к выпуску. Можно также написать собственный Evolver.

Play</button> <button class="btn gh" id="mhx-next">Следующий шаг</button> <button class="btn gh" id="mhx-reset">Сбросить</button> <span class="ver">Версия адаптера <b id="mhx-v">V0</b></span> </div> <p class="note">Встроенные Evolver: GEPA, SkillOpt, MetaWorld Model (MWM), Harness², Continual Harness. ACE и ReHarness указаны как готовящиеся к выпуску.</p> </div> <div class="pn" data-i="2"> <p class="lead">Результаты заявлены самими разработчиками; во всех случаях в качестве действующей модели использовалась <b>GLM 5.3 Flash</b>. Выберите бенчмарк.</p> <div class="seg"> <button class="tab on" data-b="0">OfficeQA</button> <button class="tab" data-b="1">База данных CL-Bench</button> <button class="tab" data-b="2">ServeLearnBench (H)</button> </div> <div class="bars" id="mhx-bars"></div> <p class="note" id="mhx-bnote"></p> </div> <div class="pn" data-i="3"> <p class="lead">Обучите адаптер один раз, а затем <b>разверните</b> его в рабочей области агента или экспортируйте как нативный плагин.</p> <div class="term"><span class="p">$</span> pip install hermit-harness <span class="p">$</span> hermit train --config run.yaml <span class="p">$</span> hermit eval --config run.yaml --adapter final <span class="p">$</span> hermit deploy --adapter DIR --workspace WS --host codex <span class="p">$</span> hermit convert --adapter DIR --output OUT --target claude-code <span class="c"># другие цели конвертации: codex, pi, hermes</span></div> <div class="hosts"> <span class="chip" data-d="Цель развертывания и экспорта плагина.">Codex</span> <span class="chip" data-d="Цель развертывания и экспорта плагина.">Claude Code</span> <span class="chip" data-d="Цель развертывания и экспорта плагина.">Pi</span> <span class="chip" data-d="Цель экспорта плагина.">Hermes</span> </div> <div class="info" id="mhx-dinfo">Бэкенды по справке: Fireworks, OpenAI, Anthropic, DeepSeek, vLLM, SGLang, Ollama. Для автономного быстрого старта не нужны GPU, аккаунт модели или набор данных.</div> </div> <div class="ft"><span>Источник: github.com/Infini-AI-Lab/hermit · заявлено самими разработчиками</span><span class="mtp">© Marktechpost</span></div> </div> <script> (function(){ var R=document.getElementById('mtp-hermit-x');if(!R)return; function ping(){try{var h=R.offsetHeight+40;parent.postMessage({mtpEmbedHeight:h,height:h,frameHeight:h},'*');}catch(e){}} var tabs=R.querySelectorAll('.tabs .tab'),pns=R.querySelectorAll('.pn'); tabs.forEach(function(t){t.addEventListener('click',function(){var p=+t.getAttribute('data-p');tabs.forEach(function(x){x.classList.remove('on')});t.classList.add('on');pns.forEach(function(x){x.classList.toggle('on',+x.getAttribute('data-i')===p)});if(p===2)drawBars(cur);setTimeout(ping,60);});}); function wire(sel,out){R.querySelectorAll(sel).forEach(function(c){c.addEventListener('click',function(){R.querySelectorAll(sel).forEach(function(x){x.classList.remove('sel')});c.classList.add('sel');document.getElementById(out).textContent=c.textContent+': '+c.getAttribute('data-d');ping();});});} wire('.dg .chip','mhx-info');wire('.hosts .chip','mhx-dinfo'); var steps=R.querySelectorAll('.st'),si=-1,ver=0,timer=null; var msg=['Trainer запускает пакет задач через действующего агента с текущим адаптером.','Judge оценивает каждый результат и записывает обратную связь.','Evolver анализирует траектории и обратную связь, а затем предлагает новый адаптер.','Trainer проверяет предложение по шаблону адаптера.','Проверенное обновление фиксируется как следующая версия адаптера.']; function go(i){si=i;steps.forEach(function(s,k){s.classList.toggle('on',k===i)});document.getElementById('mhx-step').textContent=msg[i];if(i===4){ver++;document.getElementById('mhx-v').textContent='V'+ver;}} function next(){go((si+1)%5)} document.getElementById('mhx-next').onclick=function(){stop();next()}; document.getElementById('mhx-play').onclick=function(){if(timer){stop();return}this.textContent='❚❚ Пауза';next();timer=setInterval(next,1400)}; function stop(){clearInterval(timer);timer=null;document.getElementById('mhx-play').textContent=' Воспроизвести'} document.getElementById('mhx-reset').onclick=function(){stop();si=-1;ver=0;steps.forEach(function(s){s.classList.remove('on')});document.getElementById('mhx-v').textContent='V0';document.getElementById('mhx-step').textContent='Нажмите «Воспроизвести», чтобы пройти одну итерацию обучения.'}; var B=[ {max:1,fmt:3,rows:[['Без адаптера',.541],['Начальный навык',.576],['GEPA',.580],['SkillOpt',.600],['Continual Harness',.634,1],['Harness²',.651,1]],n:'Точность на 172 тестовых вопросах. GEPA и SkillOpt — средние значения 4 обучений, протестированные в зафиксированном состоянии. Continual Harness и Harness² обучаются во время однократной потоковой обработки тестового набора. Стандартная ошибка — около 3,7 пункта.'}, {max:1,fmt:3,rows:[['Базовый вариант без состояния',.400],['Только промпт',.470],['Базовый вариант ICL',.580],['MWM',.795,1]],n:'Точность на потоке из 40 вопросов по недокументированной изменяющейся базе данных SQLite. Среднее значение для 5 порядков потока.'}, {max:100,fmt:1,rows:[['Слепой вариант',4.5],['Только промпт',18.8],['SkillOpt (таблица лидеров)',22.0],['CH (таблица лидеров)',28.7],['MWM',45.3,1],['Оракул (политика задана)',89.2]],n:'retail_l3: 624 запроса обслуживания, 537 отложенных тестов. H = результат на тестах, требующих скрытой политики. По одному запуску на метод.'}]; var cur=0; function drawBars(k){cur=k;var d=B[k],el=document.getElementById('mhx-bars');el.innerHTML='';d.rows.forEach(function(r){var row=document.createElement('div');row.className='row'+(r[2]?' hl':'');row.innerHTML='<span class="lb">'+r[0]+'</span><span class="tr"><span class="fl" style="display:block"></span></span><span class="v">'+r[1].toFixed(d.fmt)+'</span>';el.appendChild(row);var f=row.querySelector('.fl');setTimeout(function(){f.style.width=(r[1]/d.max*100)+'%'},40);});document.getElementById('mhx-bnote').textContent=d.n;setTimeout(ping,60);} R.querySelectorAll('.seg .tab').forEach(function(b){b.addEventListener('click',function(){R.querySelectorAll('.seg .tab').forEach(function(x){x.classList.remove('on')});b.classList.add('on');drawBars(+b.getAttribute('data-b'));});}); drawBars(0); window.addEventListener('load',ping);window.addEventListener('resize',ping);setTimeout(ping,300); })(); </script> </body></html>">

Каковы результаты бенчмарков?

Во всех приведённых ниже запусках в качестве действующей модели использовалась GLM 5.3 Flash. Числа взяты из примеров README в репозитории и заявлены самими разработчиками.

OfficeQA (рецепт) содержит 172 тестовых вопроса о бюллетенях Министерства финансов США; оценка проводится по точному совпадению:

Метод	Точность
Без адаптера	0.541
Начальный навык	0.576
GEPA	0.580
SkillOpt	0.600
Continual Harness	0.634
Harness²	0.651

GEPA и SkillOpt обучаются на 50 вопросах, а затем тестируются в зафиксированном состоянии. Continual Harness и Harness² вместо этого обучаются во время однократной потоковой обработки тестового набора. Команда сообщает о приросте Harness² на 7,6 процентного пункта по сравнению с исходным запуском; 95%-й интервал составляет от +1,7 до +13,4.

CL-Bench (база данных, покер) тестирует среды с состоянием из статьи о бенчмарке непрерывного обучения. При исследовании базы данных MWM достигает точности 0,795. Базовый вариант бенчмарка с контекстом набирает 0,580. В эксплуатируемом покере MWM выигрывает 3,08 больших блайнда за раздачу против 2,51 у обучения в контексте.

ServeLearnBench (рецепт) обрабатывает поток из 624 запросов в службу поддержки розничной компании при скрытой меняющейся политике. MWM набирает 45,3 на тестах со скрытой политикой. Лучший обучаемый метод в таблице лидеров, CH, набирает 28,7. Оракул, которому известна политика, набирает 89,2.

Как Hermit сравнивается с другими оптимизаторами агентов?

Характеристика	Hermit	GEPA	ACE	Agent Lightning
Что обучается	Внешний адаптер оболочки	Любой текстовый параметр (промпты, код)	Контекстный план действий	Промпты и веса модели
Изменяет веса модели	Нет	Нет	Не раскрыто	Да, посредством RL или SFT
Методы	5 встроенных, пользовательские Evolver	Рефлексивная эволюция, выбор по Парето	Generator, Reflector, Curator	RL, оптимизация промптов, SFT
Цели развертывания	Codex, Claude Code, Pi; экспорт плагинов	DSPy (`dspy.GEPA`)	Не раскрыто	LangChain, OpenAI Agents SDK, AutoGen, CrewAI и другие
Лицензия	Apache-2.0	MIT	Apache-2.0	MIT
Ключевой результат	0,795 на базе данных CL-Bench (заявлено самими разработчиками)	AIME 2025: от 46,6% до 56,6% (GPT-4.1 Mini)	+10,6% на AppWorld	Не раскрыто

Как установить и развернуть систему?

Установите пакет из PyPI с помощью pip install hermit-harness или клонируйте репозиторий для доступа к примерам. CLI поддерживает команды check, train, eval, deploy и convert. Модели указываются в формате <backend>/<model id>. Поддерживаются бэкенды Fireworks, OpenAI, Anthropic, DeepSeek, vLLM, SGLang и Ollama.

hermit deploy создаёт рабочую область для Codex, Claude Code или Pi. hermit convert экспортирует обученный адаптер как нативный плагин для Codex, Claude Code, Pi или Hermes. Готовый адаптер для совместной работы в Lean координирует 5 агентов Codex, которые вместе доказывают одну теорему.

Основные выводы

Hermit обучает внешний адаптер; модель и оболочка остаются неизменными.
Доступны 5 методов: GEPA, SkillOpt, MWM, Harness² и Continual Harness.
MWM достигает 0,795 на базе данных CL-Bench против 0,580 у варианта с контекстом.
Адаптеры разворачиваются в Codex, Claude Code и Pi либо экспортируются как плагины.
Результаты заявлены самими разработчиками, в основном получены в единичных запусках с использованием GLM 5.3 Flash.

Посмотрите репозиторий GitHub, страницу проекта и документацию. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тыс. участников и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь к нам можно присоединиться и в Telegram.

Хотите сотрудничать с нами для продвижения своего репозитория GitHub, страницы на Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами

Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.