Evolueer de Harness, Dan het Model

Naarmate AI-agenten langere en complexere workflows aannemen, rijst een belangrijke vraag: hoe kunnen agentsystemen leren van ervaring en in de loop van de tijd verbeteren?  Het bouwen van zo'n leercyclus omvat meer dan alleen het model zelf. Het brengt de agentomgeving, tools, geheugen, feedback, evaluatie en post-training samen—en vereist zorgvuldige keuzes over hoe deze componenten samenwerken. Neem deel aan een praktische conversatie met Hermes × AReno × Ant Ling over het evolueren van agentsystemen met Ling-3.0-tiny. We combineren perspectieven uit de agent-, model- en trainingsecosystemen om de technologieën, ontwerpoverwegingen en engineeringafwegingen achter het bouwen van meer adaptieve agentsystemen te bespreken. Of je nu werkt aan agents, modellen, training of AI-infrastructuur, deze sessie biedt een nader kijkje in hoe agent leren en zelfverbetering in de praktijk vorm krijgen.