По данным мониторинга Beating, платформа для обучения ИИ Prime Intellect выпустила verifiers 0.2.0 и в нем открыла предварительный обзор архитектуры следующего поколения Verifiers v1. Verifiers — это открытый фреймворк для постановки задач, их выполнения и выставления оценок для AI Agent; его можно использовать для оценки возможностей и тренировки с подкреплением.

Prime Intellect также открыла исходный код фреймворка для обучения моделей prime-rl. Проще говоря, Verifiers определяют задачи, инструменты и правила скоринга, а prime-rl обучает модель по результатам выполнения задач. Разработчики могут самостоятельно скачать и развернуть оба набора инструментов.

Prime Intellect параллельно управляет Environments Hub и Lab. Первый предназначен для обмена и загрузки готовых тренировочных сред, второй — для предоставления управляемых тренировочных сервисов. Разработчики могут развернуть весь стек самостоятельно, а могут напрямую использовать среды и вычислительную платформу Prime Intellect.

Старые версии Verifiers связывали постановку задач и способ выполнения Agent в единый процесс. v1 разбивает это на три части: Taskset задает, что нужно сделать, какие инструменты доступны и как выставляются оценки; Harness определяет, как Agent выполняет задачу; Runtime определяет, где будет запускаться задача — локально, в Docker или в удаленной песочнице.

Одна и та же постановка задач поэтому может использоваться с разными Agent, включая Codex, Kimi Code и Terminus 2, а также выполняться локально, в Docker или в удаленной песочнице. Разработчикам не нужно переписывать задачи и правила скоринга при каждом изменении Agent или окружения выполнения.

v1 также умеет фиксировать ветвления вроде вызовов sub Agent и сжатия контекста, а также сохранять Token ID и лог-вероятности, необходимые для обучения. Новая версия лучше подходит для длительных задач на сотни раундов и может напрямую использовать траектории выполнения Agent для обучения с подкреплением. В будущей версии 1.0.0 также планируется добавить много Agent среды и улучшить поддержку фреймворков сред вроде OpenEnv, NeMo Gym и OpenReward.

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

Награда
лайк
комментарий
Репост
Поделиться

комментарий

Добавить комментарий

Нет комментариев

Популярные темы
Подробнее
#
PreIPOsSeason2OpenAISubscription
699,15K Популярность
#
MillionDepositCashback
533,13K Популярность
#
IsraelStrikesIranBTCPlunges
71,99K Популярность
#
WarshTestimonyMeetsCPI
13,18K Популярность
#
USIranWarCloudsGather
3,77M Популярность

Закреплено

Карта сайта

Prime Intellect переписывает Verifiers, обучение и оценка агентов можно собирать как конструктор

Популярные темы

PreIPOsSeason2OpenAISubscription

MillionDepositCashback

IsraelStrikesIranBTCPlunges

WarshTestimonyMeetsCPI

USIranWarCloudsGather

Закреплено