Prime Intellect يعيد كتابة المُتحقِّقات، ويمكن لعمليات تدريب ووضع تقييمات الوكلاء أن تُشبه تجميع المكعبات

وبحسب رصد Beating، أطلقت منصة تدريب الذكاء الاصطناعي Prime Intellect الإصدار 0.2.0 من verifiers، وتضمّن استعراضًا معماريًا للجيل التالي من Verifiers v1. ويعد Verifiers إطارًا مفتوح المصدر يُستخدم لطرح المهام لوكلاء AI وتشغيلها ومن ثم تقييمها، ويمكن الاستفادة منه في اختبارات القدرات وتدريب التعلم المعزز.

كما أطلقت Prime Intellect أيضًا إطار تدريب نماذج open-source باسم prime-rl. وباختصار، يتولى Verifiers تحديد المهام والأدوات وقواعد التقييم، بينما يقوم prime-rl بتدريب النموذج بناءً على نتائج المهمة. ويمكن للمطورين تنزيل هاتين الأداتين ونشرهما بأنفسهم.

وتدير Prime Intellect في الوقت ذاته Environments Hub وLab. يُستخدم الأول للمشاركة وتنزيل بيئات تدريب جاهزة، بينما يوفر الثاني خدمات تدريب مُدارة. ويمكن للمطورين نشر مجموعة الأدوات كاملة بأنفسهم، أو استخدام مباشر لبيئات Prime Intellect ومنصة الحوسبة الخاصة بها.

كانت إصدارات Verifiers القديمة تربط طريقة تنفيذ المهام ووكلاء Agent معًا. وسيقوم v1 بتقسيم ذلك إلى ثلاث وحدات: Taskset يحدد ما الذي ينبغي القيام به، وما الأدوات المتاحة، وكيفية التقييم؛ Harness يقرر كيفية تنفيذ Agent للمهمة؛ Runtime يقرر تشغيل المهمة محليًا أم داخل Docker أم في صندوق رمل عن بُعد.

وبالتالي يمكن استخدام مجموعة واحدة من المهام مع وكلاء مثل Codex وKimi Code وTerminus 2، كما يمكن تنفيذها محليًا أو داخل Docker أو في صندوق رمل عن بُعد. لا يحتاج المطورون إلى إعادة كتابة المهام وقواعد التقييم عند تغيير كل Agent أو بيئة تنفيذ.

ويستطيع v1 أيضًا تسجيل عمليات التفرع مثل استدعاءات sub Agent وضغط السياق، مع حفظ Token ID واحتمالات السجل المطلوبة للتدريب. ويعد الإصدار الأحدث أكثر ملاءمة للمهام الطويلة التي تمتد لمئات الجولات باستمرار، كما يمكنه استخدام مسارات تشغيل Agent مباشرة في التعلم المعزز. ومن المخطط أن يضيف الإصدار 1.0.0 المستقبلي بيئات متعددة Agent، مع تحسين الدعم لأطر البيئات مثل OpenEnv وNeMo Gym وOpenReward.