انتشار فریم‌ورک متن‌باز Hermit توسط Infini-AI-Lab برای آموزش عامل‌های هوش مصنوعی

آزمایشگاه پژوهشی Infini-AI-Lab فریم‌ورک جدیدی به نام Hermit را به‌صورت متن‌باز تحت مجوز Apache-2.0 منتشر کرده است. این فریم‌ورک پایتونی به توسعه‌دهندگان اجازه می‌دهد عامل‌های هوش مصنوعی مانند Codex یا Claude Code را بدون نیاز به فاین‌تیون کردن مدل یا تغییر دادن کد اصلی فریم‌ورک (Harness)، برای وظایف جدید تطبیق دهند.

ایده اصلی Hermit بر آموزش یک «آداپتور» خارجی استوار است، در حالی که مدل پایه و فریم‌ورک اصلی بدون تغییر و به‌صورت ثابت (Frozen) باقی می‌مانند. این آداپتور می‌تواند شامل دستورالعمل‌ها، مهارت‌ها، حافظه، ابزارها و منطق هماهنگی بین عامل‌ها باشد. توسعه‌دهندگان با این روش می‌توانند بدون نگران بودن از به‌هم‌خوردن تنظیمات دقیق فریم‌ورک یا مواجهه با مدل‌های بسته‌سورس، آداپتورهای آموزش‌دیده را میان مدل‌ها و فریم‌ورک‌های مختلف جابه‌جا کنند.

آموزش آداپتور در Hermit با یک حلقه یادگیری شبیه به یادگیری تقویتی انجام می‌شود. یک ارزیاب (Judge) به خروجی عامل‌ها امتیاز می‌دهد و ابزار Evolver بر اساس بازخوردها، نسخه جدیدی از آداپتور را پیشنهاد می‌کند. تمام نسخه‌ها در یک درخت Git ذخیره می‌شوند تا امکان بررسی یا بازگشت به نسخه‌های قبلی وجود داشته باشد. پنج روش تکامل از جمله GEPA، SkillOpt و MetaWorld Model به همراه این فریم‌ورک ارائه شده‌اند.

بر اساس نتایج خوداظهاری منتشرشده توسط این تیم با استفاده از مدل GLM 5.3 Flash، روش MWM در بنچمارک کاوش پایگاه داده CL-Bench به دقت ۰.۷۹۵ دست یافته است، در حالی که پایه غیرآداپتوری امتیاز ۰.۵۸۰ را ثبت کرده بود. ابزار Hermit را می‌توان از طریق PyPI نصب کرد و آداپتورهای نهایی را برای محیط‌هایی مانند Codex، Claude Code و Pi خروجی گرفت.