Прямое продолжение темы Nvidia про важность харнесса: JIT-Agent —…
💢 Прямое продолжение темы Nvidia про важность харнесса: JIT-Agent — обучаемая модель, которая на лету синтезирует адаптивный агентный харнесс под конкретную задачу для любой готовой LLM. Раньше харнесс проектировали вручную под каждую задачу — не масштабируется. Модель кастомизирует харнесс, чинит его для стабильной работы и самоэволюционирует, учась на архиве прошлых конфигураций.
Результаты впечатляющие: с JIT-Agent DeepSeek-V4-Flash обходит GPT-5.6 на бенчмарках (+9.1 и +4.3 балла), а уже сильная GLM-5.2 получает прирост до +20.2. Сгенерированные харнессы конкурентоспособны с такими зрелыми рантаймами, как Claude Code.
❓ Логичный следующий шаг после находки Nvidia: если харнесс так сильно определяет результат, почему бы не поручить его создание отдельной специализированной модели вместо ручной инженерии?
Похожие записи
Оцените материал:
Похожие записи
Теперь в истории телефонных звонков можно почитать ключевые тезисы разговора,…
05.09.2026
OpenAI и Anthropic собрали весь венчур Кремниевой долины OpenAI и…
05.09.2026
С 1 сентября в России начали действовать положения закона о…
05.09.2026Присоединяйтесь и подпишитесь на рассылку самых свежих новостей по Email
Получайте свежие новости и идеи на почту. Без спама — только самое интересное.
Нажимая «Подписаться», вы соглашаетесь с политикой конфиденциальности.
