• 投稿

DeepSeek Harness 背后的技术论文 Cordis:把 Agent 自进化变成搭乐高,装得上、拆得净、还有理论兜底

1.2万
2
2026-08-15 21:22:45
302
110
625
108
A Programming Paradigm for Spatiotemporal Composability https://github.com/cordiverse/paper 1. 论文身份: DeepSeek背后的论文支撑,作者来自北京大学与 DeepSeek,理论落在开源元框架 Cordis 上;DeepSeek 开源的 DSH 在仓库文档中声明由 Cordis 驱动。 2. 核心问题: 运行时动态组合(加载、卸载、替换组件)长期缺少形式化基础,论文把它拆成时间可组合性(卸载后副作用完整回收)与空间可组合性(依赖声明与响应式管理)两个正交维度。 3. 方法一句话: 把程序语言理论里的效应与余效应从编译期静态分析改造成运行时机制——每次环境修改自带逆变换(可逆效应),每份依赖写成声明式规格并随上下文变化分类响应(响应式余效应)。 4. 关键机制一: 逆变换由调用方在执行点当场构造并满足见证约束,运行时把各步逆变换按相反顺序复合成后进先出的累加器,组件卸载即调用累加器把环境还原到加载前。 5. 关键机制二: 提供者卸载分两阶段,先让服务对外不可见、等所有消费者完成清理,再执行累加器释放资源;加载按效应迭代分步推进,目标变化在迭代边界分流卸载,在途异步操作落地后即转卸载,失败回滚并记录在组件实例上。 6. 形式化保证: 保持性、恢复精确性、保序性、进度、合流性五条元定理,分别依赖良构注册表、操作两两独立、依赖无环且迭代有界、无失败且静止等明确前提;合流性明确不覆盖失败情形。 7. 观测等价: 恢复是"外部观察者无法区分"意义的等价,不是字节级还原,由此内存分配布局、生成性名称等实现差异被吸收,多组件交错修改下的效应独立性才成立。 8. 实现与案例: Cordis 用单原语 ctx.effect 跟踪全部上下文修改,插件作者无需另写卸载路径;事务式热模块替换导入失败可整体回滚;Koishi 生态四年积累四千多个社区插件,属单一 TypeScript 生态观察性案例而非受控对比。 9. 系列定位: Meta-Harness、AHE、Continual Harness 回答 harness 能否被自动搜索与演化,Autogenesis 给出协议层直觉,本篇回答每一次热替换的正确性由什么保证,可视为 harness 自动优化系列的形式化地基篇。 10. 边界判断: 发射型操作(写共享文件、发网络数据)不可恢复,只能靠延迟提交或应用层补偿;键的可交换性是提供者接口义务;暂无抽象开销的定量数据;不可信代码仍需外部沙箱。
浙江大学计算机博士,专注研究Agent智能体,分享学术界和工业界的最新研究与实践成果
33万播放
简介
[Harness自动优化]01期-Meta-Harness-斯坦福爆火论文-别只卷模型,来“自动发明模型外壳”(简介附原文链接)
18:32
[基于skill的Agent进化]01期-将强Agent的成功轨迹构建为分层Skill库,实现可迁移的泛用性进化
24:09
[基于经验的Agent优化]01期-EvoMap和清华的合作论文-把经验编码成控制信号,让进化真正生效(简介附原文链接)
17:25
[基于skill的Agent进化] 阿里Qwen新论文-Trace2skill-分层整合从不同轨迹中得到的修改建议
12:20
[基于skill的Agent进化]阿里DreamX团队论文-SkillClaw-聚合多用户轨迹得到稳定进化方向,夜间验证保证有效性
10:34
[基于skill进行ICRL]-美团论文-skill0-把skill逐步内化进模型参数
10:31
[skill进化]-美团新论文-skill1-一个信号拆三份,同时学习skill使用全流程
09:15
[Harness自动优化]02期 | 复旦爆火论文-AHE-可观测体系驱动Harness自进化
09:28
[Harness自动优化] 03期 | 谷歌×普林斯顿新论文-一边玩宝可梦,一边自动改写Agent Harness
11:31
[skill进化] 清华爆火论文-Ctx2Skill-零标注自博弈,从文档提取技能
09:48
[Agent强化学习] ACL26-CoEvolve-让Agent与数据分布共同进化
08:23
[Skill进化] 06期 | 字节MUSE-Autoskill:给Agent装上Skill生命周期管理,自动创建、测试、维护Skill
13:19
[Skill进化] 07期 | 少见已录用的Skill进化论文-SIGIR26-SkillForge:用失败归因让云客服Skill持续进化
10:09
[Harness自动进化] 04期 | Autogenesis:南洋理工提出AGP协议,让Agent Harness进化可审计,LeetCode C++ 近满分
11:51
[Harness自动优化] 05期 | 港科大爆火论文-AEVO:让MetaAgent接管进化机制,破解智能体长程进化失控问题
10:11
[Prompt优化] | ICLR25-Prompt联邦学习-FedTextGrad:让 Prompt 能够更安全地在多客户端协同优化
08:04
[Prompt优化] Agent进化必读论文,非参数优化的源头之一,EMNLP23-APO
08:50
[Prompt优化] 斯坦福经典论文,Agent进化必读论文2,文本梯度反向传播的源头,Nature正刊TextGrad
13:41
OpenAI的自进化实践 | Tax AI:OpenAI用Codex做了一条会自进化的业务闭环
10:17
任务即训练:从Agent自进化和vibe coding出发,看任务如何被组织成反馈驱动优化循环
15:56
[Prompt优化]04期 | ICLR26-UIUC最新研究:用遗传算法搜索通用System Prompt
09:41
[Agent经验进化] ICML26-浙大爆火论文-EvolveR:用GRPO从失败轨迹蒸馏可复用原则
11:18
[LLM微调预判] ICML26-港科大&华为-TuneAhead:把微调诊断提前到完整训练前,用静态数据特征和100步探针预测最终性能
08:44
[skill使用与内化] 美团skill系列新论文-Skill0.5:把通用skill学进参数,把任务skill留在提示中,并反事实检查skill是否真被使用
10:08
[LLM强化学习] 阿里×NTU-ICLR26-MeRF:把奖励规则用自然语言写进prompt,让模型更快找到正确答案
09:56
[LLM微调预判] 北大爆火研究-ICLR26-STS:在微调前预判训练对跨领域能力的影响
10:14
[Agent微调] ICML26-国防科大-CoPE:把规划-执行的协调程度量化,分配为训练样本权重
10:21
[LLM路由自进化] NUS爆火论文-ACRouter:在执行反馈中越用越准的模型路由
10:27
[GUI Agent自进化] ICML26 SE-GA:层级记忆让智能体记住复盘经验,并持续进化
12:31
[工具编排优化] ICML26-北大-EvoC2F-把工具编排编译为IR并行调度,轨迹炼技能反哺调度
14:03
一万粉丝啦~ 分享下我对Agent自进化的理解、难点分析和未来展望
13:46
DeepSeek Harness 背后的论文 Cordis:把 Agent 自进化变成搭乐高,装得上,拆得净,还有理论兜底
17:05
[Agent记忆进化] ICML26 Spotlight|NUS爆火论文 JitRL:把强化学习的策略改进搬到测试时,检索经验记忆、估计动作优势并直接调整输出
13:57
[Harness自进化] ICLR26爆火论文-HGM:只看当前Harness得分可能误导搜索,用后代潜力挑选自修改分支
09:04
[Harness自动优化] NUS爆火论文-JIT-Agent:按任务在线生成Harness,让DeepSeek-V4-Flash领先GPT-5.6
11:54
[Skill进化] 谷歌爆火论文-WikiSkill:Wiki层保存经验,显著提升Skill效果
13:14
【Harness进化】ICLR26-NUS爆火论文-EvoTest:复盘有效步骤与重复错误,生成多套改进配置,用UCB平衡探索与复用
10:59
[多智能体进化] ICLR26-MASS-交错优化多智能体系统的提示词与拓扑
10:59
[Harness RSI]09期-英伟达爆火论文-SoL-Pi:规模化搜索更省token的Harness
15:08
[Agent训练沙箱] DeepSeek梁文锋署名论文 DSec:多类隔离沙箱、分层按需镜像,支撑大规模Agent训练与评测
09:00
[Agent Skill进化] ACL26 亚马逊论文 SAGE:训练Agent生成与复用skill
09:51
[科研RSI] WecoAI团队爆火论文-AIDE²:让外层智能体逐轮改写内层的搜索与上下文管理策略
10:44
【基于经验的RSI】KDD26-港科大-U-EHR:逐步评价执行动作,给有效做法注明适用条件,让病历查询少走弯路
13:13
[基于skill的Agent进化] ICML2026-港科大-XSkill:根据当前图像调整经验和技能,改进工具使用
14:11
[Harness自动优化] 智谱唐杰-清华爆火论文-HarnessPro:用帕累托优化引导递归自进化,让Agent提分又省钱
10:57
客服
顶部
赛事库 课堂 2021拜年纪