Mingbird는 Windows 및 Ollama를 위한 로컬 퍼스트 에이전트 하네스로, 컨텍스트 오버플로우 및 루핑과 같은 일반적인 실패 모드를 해결하여 2-9B 규모의 작은 오픈 웨이트 모델이 실제 작업을 완료할 수 있도록 돕도록 설계되었습니다. 이 하네스는 바이트 레벨의 넷 제로 프리필 예산과 시그니처 레벨의 루프 감지를 포함한 10가지 메커니즘을 구현하여 이러한 문제를 보완합니다.

LRAB 벤치마크에서의 통제된 비교에서 Mingbird는 0.886의 전체 점수를 달성하여 goose(0.631), opencode(0.479), agent-mini(0.405)를 능가했습니다. 278개의 작업이 있는 τ²-bench에서는 다른 하네스의 0.791 및 0.737과 비교하여 0.856의 점수를 기록했습니다.

저자들은 증거가 하네스가 성능에 상당한 영향을 미친다는 것을 시사하지만, 연구가 자체 구축된 벤치마크와 단일 머신 설정의 사용으로 인해 제한된다고 지적합니다.