Según la monitorización de Beating, la plataforma de entrenamiento de IA Prime Intellect publicó verifiers 0,2,0 y abrió una vista previa de la arquitectura de la próxima generación Verifiers v1. Verifiers es un marco de código abierto para plantear tareas a agentes de IA, ejecutarlas y calificarlas; se puede usar para evaluaciones de capacidades y entrenamiento de aprendizaje por refuerzo.

Prime Intellect también ha open-sourceado el framework de entrenamiento de modelos prime-rl. En términos simples, Verifiers define el conjunto de tareas, las herramientas y las reglas de puntuación, y prime-rl entrena el modelo según los resultados de las tareas. Los desarrolladores pueden descargar y desplegar estas dos herramientas por su cuenta.

Prime Intellect opera al mismo tiempo Environments Hub y Lab. El primero se usa para compartir y descargar entornos de entrenamiento ya hechos; el segundo ofrece servicios de entrenamiento gestionados. Los desarrolladores pueden desplegar todo el conjunto de herramientas por sí mismos o usar directamente los entornos y la plataforma de cómputo de Prime Intellect.

Las versiones anteriores de Verifiers unían las tareas y la forma de ejecutar el Agent. v1 lo divide en tres partes: Taskset especifica qué se hace, qué herramientas se proporcionan y cómo se puntúa; Harness determina cómo el Agent completa la tarea; Runtime decide si la tarea se ejecuta en local, en Docker o en un sandbox remoto.

Con el mismo conjunto de tareas, por lo tanto, se pueden usar Agents como Codex, Kimi Code, Terminus 2, etc., y también se puede ejecutar en local, en Docker o en un sandbox remoto. Los desarrolladores no necesitan reescribir las reglas de tareas y puntuación cada vez que cambian un Agent o el entorno de ejecución.

v1 también puede registrar procesos ramificados como llamadas de sub-Agents y la compresión de contexto, y guardar los Token ID y las probabilidades logarítmicas necesarios para el entrenamiento. La nueva versión se adapta mejor a tareas largas de cientos de rondas continuas, y también puede usar directamente la trayectoria de ejecución del Agent para aprendizaje por refuerzo. En el futuro, el plan para la versión 1.0.0 incluye añadir entornos multi-Agents y mejorar el soporte para marcos de entorno como OpenEnv, NeMo Gym y OpenReward.

Ver original

Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.

Recompensa
Me gusta
Comentar
Republicar
Compartir

Comentar

Añadir un comentario

Sin comentarios

Temas de actualidad
Ver más
#
PreIPOsSeason2OpenAISubscription
699,15K Popularidad
#
MillionDepositCashback
533,13K Popularidad
#
IsraelStrikesIranBTCPlunges
71,99K Popularidad
#
WarshTestimonyMeetsCPI
13,18K Popularidad
#
USIranWarCloudsGather
3,77M Popularidad

Fijado

Prime Intellect reescribe Verifiers; la formación y evaluación de agentes pueden ensamblarse como bloques de construcción

Temas de actualidad

PreIPOsSeason2OpenAISubscription

MillionDepositCashback

IsraelStrikesIranBTCPlunges

WarshTestimonyMeetsCPI

USIranWarCloudsGather

Fijado