（来源：上观新闻）
和Ope↔nClaw一样，😚🛃Herm😻es也是个开源的🇲🇵Age⌨nt项目，🏮◽由Nous➡⏰ Re🇬🇶💧search🇰🇼🔸团队于2月2⌛5日推👮🍫出🚛🌔。你的管理方🇷🇪式是：让🇻🇨每个专业队把工👩🏭作记录写在一🥐个共享的🗓项目文件💫夹里，你通🚃过翻阅这个文5️⃣📄件夹上的目录💺（而不🅱☸是每一份详细记录🇼🇫）来做决策🇱🇻。训练数😥🏷据量整整翻了一倍🤹♂️多（增长约 1👨✈️.2 倍）🇫🇰😗。” 关于成熟的🔄OPC生🥨👨⚖️态，姚双认🚌⚗为，不能只靠🇴🇲🇲🇺创业者🏄♀️🚴单打独斗，而应借🛸鉴国外A16z😳、YC等机构的成🛋👨❤️💋👨功经验，构建一😍▫个“创造者—👮社区—产品—服务🥾🈸”的完整闭环体系🤔。
第三种方法叫合😞泛目录寄生虫程序成数据S💦FT，收集🥉每个能力练习🍭场景的🐾🇫🇷成功轨迹，🎟☀然后做监督微调，🇲🇺结果只有3📍🥀7.8%🕚🕥。技术判断上🇬🇼🇨🇩，mHC不🌝🍚是那种让🏘🌮人眼前一亮的♏🚺架构创新🌦，更像是一个「🐗🇨🇴稳得住大模🤜型」的工程补🎦🧡丁🤕。最终，P🗣ANDASET 📘包含了🐙超过5👩🚀2.8万🇦🇨对图像，覆盖训练👵😳集（约48万对🇩🇪🇧🇩）、验证集（约🚓1.2🔨万对）和📺👓测试集（约3.6🍟万对）🏡🚯。Verkor.📉🙆io的联♈合创始人S🍕🇲🇫uresh🖍 Krish🍌🔋na表示，⚒团队的核🥘心论点是，这种方👨👧👦🚳法比仅在整🏄体设计流▫🇩🇿程中使用专门💌的 A🕠👩💼I 系统来完成🇳🇨特定任♍务更有效🇪🇭。进步体现在，H🦂erme👈s试图重构🇰🇭🕙Age👭😠nt的学习方🇲🇫🌁式🌵泛目录寄生虫程序。在20个不🚍同的论💞文复现任务中，几⌨乎每一🍗个任务🎟上AI科学家都⛳🇬🇦有明显提升，其💥中最显🤭著的一个🇮🇱任务（🌫🎢pinn🇸🇮🇨🇦）在GLM-5👩👧👦下提升了32.9🗳👁9分🚂🎍。
