Evolua o Modelo, Depois o Harness

À medida que os agentes de IA assumem fluxos de trabalho mais longos e complexos, uma pergunta importante está surgindo: como os sistemas de agentes podem aprender com a experiência e melhorar ao longo do tempo? Construir esse tipo de ciclo de aprendizado envolve mais do que o próprio modelo. Reúne o ambiente do agente, ferramentas, memória, feedback, avaliação e pós-treinamento — e requer escolhas cuidadosas sobre como esses componentes trabalham juntos. Junte-se a Hermes × AReno × Ant Ling para uma conversa prática sobre a evolução dos sistemas de agentes com o Ling-3.0-tiny. Reunindo perspectivas dos ecossistemas de agentes, modelos e treinamento, discutiremos as tecnologias, considerações de design e compensações de engenharia por trás da construção de sistemas de agentes mais adaptáveis. Se você está trabalhando com agentes, modelos, treinamento ou infraestrutura de IA, esta sessão oferece uma visão mais próxima de como o aprendizado e a auto-melhoria de agentes estão se moldando na prática.