Hugging Face、デジタルアバターエージェントの進化型ハルネス技術報告を公開

記事の3ポイント

1. 1

   Harness-Aware Training (HAT) の提案

   モデルの重み更新を伴わずにスキルやプロンプトが変化する環境に適応できる「Harness-Aware Training」手法を提案し、小型モデルでも高速な適応を実現する。

2. 2

   HSA-SFT と HSA-RL の組み合わせ

   強化学習と教師あり学習を組み合わせた3段階のトレーニングプロセス（HSA-SFT, General On-Policy Distillation, HSA-RL）により、汎用性と堅牢性の両立を図る。

3. 3

   実運用での高性能と低遅延

   NVIDIA H20 GPU 上で P50/P95 レイテンシをそれぞれ3.4秒/8.1秒に抑えつつ、ライブストリーム QA で94.8のスコアを達成し、既存の最良モデルを上回る結果を示した。