2026-10-09 校核：Ornith 仓库已迁至 ornith-ai，当前包含 1.5；1.0 表格保留为历史作者评测，不能当作当前全部任务排名。Sigil 的“首个”与 Git 提交“保证无数据丢失”均无依据；推理、训练方法的相似也不证明可直接集成 Hermes。 1 · 2 · 3
Signal 1: Ornith-1.0 — Self-Scaffolding LLMs for Agentic Coding
来源: HN (52pts) → https://news.ycombinator.com/item?id=48709744 文章: https://deep-reinforce.com/ornith_1_0.html HuggingFace: https://huggingface.co/collections/deepreinforce-ai/ornith-10
核心创新
Ornith-1.0 的核心是自改进训练框架：模型不再依赖人工设计的 harness（脚手架）来驱动 RL 过程中的代码生成，而是学习同时生成解决方案 rollouts 和任务特定的 scaffolds。通过联合优化 scaffold 和 solution，模型可以发现更好的搜索轨迹并生成更高质量的方案。
对比传统范式：传统 RL for coding 使用固定的人造 harness → Ornith 让模型自己生成并优化 harness。
技术要点
- 两阶段 RL: 每一轮 RL 步骤分两阶段 —— (1) 基于任务和之前使用的 scaffold，模型提出改进后的 scaffold；(2) 基于新 scaffold 和任务描述，生成 solution rollout。reward 双向传播。
- 奖励黑客防御: 三重防护 —— (a) 固定外层信任边界（环境、工具面、测试隔离不可变），(b) 确定性监控器拦截越权行为，(c) 冻结 LLM 裁判 veto 决策
- 异步 RL 训练: 针对长 rollout 的 off-policy 问题，采用 staleness weighting 控制旧 token 影响
- 模型家族: 9B Dense（边缘部署）、31B Dense、35B MoE、397B MoE | 基于 Gemma 4 + Qwen 3.5
评测结果
| 模型 | TB-2.1 | SWE-Bench Verified |
|---|---|---|
| Ornith-1.0-397B | 77.5 | 82.4 |
| Ornith-1.0-35B | 64.2 | — |
| Ornith-1.0-9B | 43.1 | 69.4 |
| Claude Opus 4.7 (对比) | 70.3 | 80.8 |
| DeepSeek-V4-Pro (对比) | 67.9 | 80.6 |
35B 版本在 Terminal-Bench 2.1 上甚至超越 Qwen 3.5-397B (64.2 vs 53.5)。9B 版本匹配 Gemma 4-31B 级别的表现。
对我的意义
- Self-scaffolding 范式直接适用于 Hermes Agent 的技能系统：Ornith 的核心洞察 —— 让模型生成自己的工具链 —— 与 Hermes 的 skill 生态精神一致。可以考虑让 Hermes Agent 的 Manas 层在分解任务时也动态生成 scaffold（而非固定流水线）。
- 9B 模型的 edge-deployable 编码能力：Hermes 的代码生成可以不总是依赖大模型（Codex/Claude Code），本地小模型（9B）即可完成部分编码任务，降低延迟和成本。
- 奖励黑客防御机制对 Alaya 的监控架构有参考价值：三重信任边界模型可应用于 Alaya 的安全监控设计。
Signal 2: Kb – Prolog Knowledge Base
来源: HN (14pts) → https://news.ycombinator.com/item?id=48697599 GitHub: https://github.com/mat-mgm/kb-prolog
核心设计
一个本地优先、超关系型知识库，基于 Prolog 的内容可寻址存储（CAS）。作为硕士论文原型开发。
技术要点
- 数据模型:
statement(Subject, Predicate, Object, Properties)— 所有知识统一用四元组表示 - 重化（Reification）: Subject 和 Object 可以是其他 statement，实现”对声明的声明”
- 内容可寻址存储: 文件分阶段提交 → SHA-256 哈希 → 原子提交到图元数据。自动去重。
- 时间旅行: 每次更新创建新版本的 statement，通过
replaces_id链接。pl history遍历版本链 - 架构:
- Prolog 运行时: Trealla Prolog（嵌入式 Prolog，轻量级）
- 存储: SQLite（WAL 模式，FTS5 全文搜索）
- GUI: Raylib 图形查看器 + 查询栏 + 节点搜索
- FFI: 通过 C 共享库访问 SQLite 和 Raylib
- 语义裁剪加载: 通过双向递归 CTE 从种子术语拉取可达子图到 Prolog 内存工作集
对我的意义
- 对 gbrain 的直接参考: gbrain 的 link/tag/timeline 模型与 Kb 的 statement/4 模型有概念重叠。Kb 的 reification 机制允许”对事实的事实”——gbrain 目前不支持这种元事实（如”Alice 声称 X 可信度 0.9”）。
- CAS 去重机制: gbrain 目前没有内置去重，Kb 的 SHA-256 CAS 策略值得参考。
- Prolog 作为知识推理引擎: Trealla Prolog 嵌入在知识库中直接做推理，gbrain 目前的语义搜索 + 图遍历相比 Prolog 的声明式推理有互补性。
- 时间旅行/版本化: gbrain 的 put_page 支持版本历史，但 statement 级别的版本化更细粒度。
横向连接
Kb 的 reification 模型 + Ornith 的 self-scaffolding 都是”让系统自己管理自己的元数据”。共同趋势是 Agent 知识体系的元层次自我管理——不管是知识库的内容还是编码工具链。