研究者らが、再学習なしでリアルタイムのライブコマースにおいて変化するビジネス戦略に適応できるデジタルアバターエージェントのトレーニングに関する技術レポート「TaoLive」を発表した。本システムは、スキルとツールをモデルの重みから分離する進化可能なハーネスを使用し、ハーネス認識トレーニング（HAT）を通じて、モデルが古い設定を記憶してしまう課題に対処している。

  • HATは、教師ありファインチューニング、一般的なオンポリシー蒸留、エージェント型強化学習の3つの段階にわたってハーネス状態拡張を採用している。
  • コンパクトな35Bモデルは、Live-Stream QAで94.8、Harness-Variant QAで94.6を記録し、ベースモデル（80.3）や最も強力な汎用LLM（93.0）を上回った。
  • MTPを有効化した単一のNVIDIA H20 GPU上で、P50レイテンシが3.407秒、P95レイテンシが8.114秒を達成した。

このアプローチにより、一般的な指示のフォローを犠牲にすることなく、評価されたハーネスの変化下でも効果的であり、レイテンシ要件を満たすコンパクトなエージェントが実現されている。