· Apsara Conference 2026 · 云栖大会
От harness к RSI Flywheel: практика TokenRhythm по замкнутой эволюции agents
Часть записи Саммит по практике корпоративных Agent с 1:05:20
Трассы агентов, которые harness собирает в изолированных песочницах, можно пустить обратно на дообучение модели, и по словам авторов это даёт рост на агентных задачах.
- Открытый harness с микроядром — минимальное ядро агентного цикла, а контекст, инструменты и память подключаются плагинами. Код OpenScreen открыт, по словам авторов, его можно поставить и подключить API без доработок.
- Экономия токенов — переключение между моделями, сжатие контекста и уровни chain of thought снижают стоимость. По словам авторов, на Deep Research Bench получилось 63.1 балла при стоимости примерно в три раза ниже флагманской модели.
- Замкнутый цикл RSI — трассы генерируются в песочницах на Alibaba Cloud ECS и проходят структурную проверку и шестимерную семантическую оценку. Отобранные данные идут в дообучение Qwen3.5 4B и 9B, а новая модель возвращается в harness для следующего раунда.
- Обучение под агентные задачи — супервизия по целым пользовательским ходам вместо отдельных вызовов модели, поэтапная программа от простых задач к сложным и OPD-дистилляция с поштучной оценкой токенов. По словам авторов, на десяти агентных задачах прирост составил 5–6 пунктов для 4B и 3–4 пункта для 9B.
Кому полезно: тем, кто строит собственный harness и думает о дообучении модели на трассах своих агентов.
Статья по теме
На какие вопросы отвечает доклад
Как агенту не терять нить длинной задачи, когда контекст модели ограничен?
Память делят на четыре слоя: рабочую, эпизодическую, семантическую и сырую. Слои подгружают по необходимости, а контекст сжимают, что снижает расход токенов.
▶ 2:59OpenScreen: микроядерный harnessКак снизить расход токенов у агента, не ухудшая результат?
По словам авторов, экономию дают переключение между моделями, сжатие контекста и градация цепочки рассуждений по уровням. Так стоимость падает без потери качества.
▶ 2:59OpenScreen: микроядерный harnessПочему готовая LLM плохо справляется с агентными задачами в корпоративной среде?
По словам спикера, общим моделям не хватает обучения на чередовании рассуждений, вызовов инструментов и сигналов среды. Размеченных агентных траекторий мало, а без реального harness модель не видит своих ошибок.
▶ 8:26RSI: рекурсивное самоулучшениеГде взять качественные траектории работы агента для обучения без ручной разметки?
Harness запускают в изолированных средах Alibaba Cloud ECS и генерируют траектории на пользовательских окружениях. Отбор идёт через структурную проверку и оценку по шести измерениям семантики.
▶ 9:55Маховик RSI: четыре шагаКак замкнуть цикл, чтобы дообученная модель проверялась на реальных прогонах агента?
Новая модель возвращается в harness и работает в реальной среде, результаты оцениваются и отбираются, после чего снова идут в обучение. По словам авторов, цикл повторяют итерациями.
▶ 9:55Маховик RSI: четыре шагаКак дообучать модель на агентных траекториях, чтобы она лучше справлялась с длинными задачами?
Обучают на целом пользовательском ходе с цепочкой вызовов и финальным рассуждением, идут трёхэтапным курсом от простых задач к сложным и используют дистилляцию с учителем на уровне токенов.
▶ 11:15Инновации agentic post-training
Главы
Похожие доклады
За пределами harness: путь к адаптивной инженерии
AI Engineer World's Fair 2026
Близко по содержанию
20:13Как внедрить Agent в реальные сделки: опыт Full Truck Alliance с production-grade Agent
Apsara Conference 2026 · 云栖大会
Близко по содержанию
Harness engineering: строим production-среду для мощных доменных агентов
Близко по содержанию
Reinforcement fine-tuning для агентов
AI Engineer Code 2025
Близко по содержанию
