StreamMA流式通信、Strabo协议、MADDPG增强、GARL博弈论。CatDT催化剂发现、Self-Reflective APIs。DAR道义推理、AgentMob证据驱动决策。MetaPoint空间控制。

随着 Hermes 在开源社区的迅速崛起，一个不可避免的问题被抛出：它和此前大火的 OpenClaw（社区内常称“龙虾”）以及 Cloud Code 相比，到底谁更强？从底层架构看，三者均遵循 Harness Engineering 理念，核心推理均采用 ReAct（思考-行动-观察）循环，支持 MCP 工具协议，并实施了上下文管理。事实上，将 Hermes 视作前两者的替代品，是一个常见的认知误

StreamMA流式通信、Strabo协议、MADDPG增强、GARL博弈论。CatDT催化剂发现、Self-Reflective APIs。DAR道义推理、AgentMob证据驱动决策。MetaPoint空间控制。

NPU：Ascend 910B（A2 架构）多卡（如 8 卡：davinci0~7）

随着 Hermes 在开源社区的迅速崛起，一个不可避免的问题被抛出：它和此前大火的 OpenClaw（社区内常称“龙虾”）以及 Cloud Code 相比，到底谁更强？从底层架构看，三者均遵循 Harness Engineering 理念，核心推理均采用 ReAct（思考-行动-观察）循环，支持 MCP 工具协议，并实施了上下文管理。事实上，将 Hermes 视作前两者的替代品，是一个常见的认知误

关注热点：具身智能、人形机器人、人机协作、共享智能、人体工学优化、具身认知。链接：https://arxiv.org/pdf/2605.26991v1。关注热点：具身能力外化、工具协议、具身 Agent、感知推理规划、工具调用。链接：https://arxiv.org/pdf/2605.26637v1。链接：https://arxiv.org/pdf/2605.26256v1。链接：https:/

随着 Hermes 在开源社区的迅速崛起，一个不可避免的问题被抛出：它和此前大火的 OpenClaw（社区内常称“龙虾”）以及 Cloud Code 相比，到底谁更强？从底层架构看，三者均遵循 Harness Engineering 理念，核心推理均采用 ReAct（思考-行动-观察）循环，支持 MCP 工具协议，并实施了上下文管理。事实上，将 Hermes 视作前两者的替代品，是一个常见的认知误

当任务复杂度提升、上下文窗口延长时，传统依赖Prompt Engineering的“自然语言软约束”极易失效，导致语义漂移、目标偏移及高置信度的幻觉输出。如果说传统的Prompt Engineering（提示词工程）是给AI下达“自然语言软约束”，那么Harness Engineering则是给AI构建一套确定性的“工程约束与认知层”。突破传统ReAct模式的被动响应局限，构建“任务拆解 → 工具

当任务复杂度提升、上下文窗口延长时，传统依赖Prompt Engineering的“自然语言软约束”极易失效，导致语义漂移、目标偏移及高置信度的幻觉输出。如果说传统的Prompt Engineering（提示词工程）是给AI下达“自然语言软约束”，那么Harness Engineering则是给AI构建一套确定性的“工程约束与认知层”。突破传统ReAct模式的被动响应局限，构建“任务拆解 → 工具

— 论文原文：Mull-Tokens: Modality-Agnostic Latent Thinking分类: cs.CV, cs.AI热点: 模态无关推理 | 潜在推理token | 空间推理 | 推理范式Project:arXiv:图2: Mull-Tokens三阶段训练流程。(左)Stage 1 warm-up：对齐图文混合推理轨迹；(右)Stage 2/3 relaxed训练：仅监督最终