Hugging Face 發布多 harness RL 訓練指南
Hugging Face 後訓練團隊用 TRL 和 Harbor 框架,開源了一套在多種 coding harness 中訓練開放模型的完整指南。指南針對每個人自有的定製 harness(如 Pi 加擴充套件),給出用任意開放模型榨取最佳效能的配方,連結已公開在 Hugging Face Spaces。
依意思最接近的 7 筆
Hugging Face 後訓練團隊用 TRL 和 Harbor 框架,開源了一套在多種 coding harness 中訓練開放模型的完整指南。指南針對每個人自有的定製 harness(如 Pi 加擴充套件),給出用任意開放模型榨取最佳效能的配方,連結已公開在 Hugging Face Spaces。
Airbnb CTO Ahmad Al-Dahle(前 Meta 生成式 AI 負責人、Llama 系列發布負責人)披露,Airbnb 目前約 60% 的程式碼由 AI 編寫,功能交付量同比增加近 80%,工程師的 PR 吞吐量提升約 1.6 倍。約一半客服工單已由 AI 獨立解決(Q2 財報為近 45%),但安全類問題仍轉人工,上線前用合成資料做測試。
作者 Shrivu Shankar 認為,每個 SaaS 業務最終都會變成圍繞無狀態 LLM 的 harness,也就是模型之外的基礎設施、介面、上下文與狀態。他給出四階段路徑:無 harness、個人操作 harness、個人編排 harness,最後是 harness 編排個人,核心任務交給雲端後臺 agent,人類只在關鍵處提供品味與判斷。Claude Code、Codex、OpenCode、LangGraph 被他列為狹義 harness 的例子;
一位寫了 18 年程式碼的工程師表示,自 Claude Code 中的 Opus 4.5 越過某個門檻後,他幾乎不再手寫程式碼,並認為回不去了。他所在團隊 Filestage 每月合併 PR 從約 200 增至 300,bug 報告未增加,每位開發者每月 AI 訂閱費 20 美元,工具可自選 Codex、Claude Code 或 Cursor。他仍主張保留高階抽象,認為 LLM 應生成高階表示再交給確定性編譯器,而非直接寫彙編。
DeepSeek 推出 DeepSeek Harness 的打包桌面版,覆蓋 macOS 與 Windows,Linux 使用者可通過 npm 上的 @deepseek-ai/dsh 包獲取。官方在社交平台公布了這一訊息,並給出下載地址 deepseek.com/harness。
Astral Codex Ten 發布文章《Our AI Midwife》,講述用 AI 充當接生助手的經歷,原文連結已公開。該文在 Hacker News 上獲得 32 分、5 條評論,討論熱度不高。文章具體使用的模型、工具與效果原文未在給定資訊中說明。
Capcom 在 RE: 2026 開放會議上表示,正為“與 AI 共同製作遊戲的未來”做準備,計劃把 AI 技術整合進開發工作流。程式設計師 Satoshi Ishida 在演講中稱,製作《生化危機》這一量級的遊戲時,連簡單任務都極其耗時,AI 是應對方案。但 Capcom 此前曾表示不會使用 AI。