Deepseek Harness 的思路实际上指向了自进化，未来的想象空间很大：模型和 Harness 一起协同。

看完技术报告，我脑海中就是一个 LLM 雕刻自己的画面。

总之，这玩意儿当前看，不是给普通用户用的，也不适合放在工业场景中，但进化的中间结果可以作为不同 Harness 核心结构来驱动 LLM 产生更大的价值。

快回路固定模型，让 LLM 反复试验工具、上下文、记忆和多 Agent 组合，用独立评价器选出更合适的 Harness；

慢回路把这些带版本、动作、结果和对照关系的轨迹加工成训练数据，接入持续预训练和后训练。

新模型再重新搜索适合自己的 Harness，由此形成模型与 Harness 的共同自进化。

给 JEV 简单做了一些实验，结论就是在一些需要快速响应和顾虑成本的场景下，可以作为 Router 来平衡性能和成本。

比如不同型号的模型×思考强度，甚至后续搭配不同 Harness 插件组合达到更好的效果也不是不行。

初步猜测可能是个小参数的 Encoder，输出内容只和分类任务相关，可以简单理解是对应选项的概率。

当前社区也有人用小参数模型做了个替代，见链接。

总之我感觉还是有一定潜力的，比较期待后续的技术报告。

另外，JEV 刚出第一天的时候就有人开吹我是真不明白是串子还是真不懂。

用这玩意儿做五子棋不就相当于微调 H3 声称自己是世界模型么😅。

不要总想搞个大新闻，一点点来。

起名的艺术，这俩玩意儿从字面意义上就让人浮想联翩，但实际上又是另外的东西

夸夸其谈 JEV 的人知道 Embedding 吗？

良质是一种无法形容的东西，能形容出来的大概率不是。

维持山的活力
是靠这些周遭的环境，而不单单只是山顶而已
但是，没有山顶，就不会有山的周围

但狼来了就是狼来了，不会变

当你强的时候，大家容忍狼来了的次数也会更多一些。

自洽是一种生命力