Prime Intellect Meluncurkan Pratinjau Verifiers v1, Meningkatkan Pelatihan dan Evaluasi Agen AI

iconKuCoinFlash
Bagikan
AI summary iconRingkasan
Platform berita AI + mata uang kripto Prime Intellect telah meluncurkan Verifiers 0.2.0, versi pratinjau dari arsitektur Verifiers v1. Kerangka kerja open-source ini mendefinisikan tugas, alat, dan aturan penilaian untuk agen AI, dengan kerangka prime-rl mengelola pelatihan model. Versi v1 memisahkan tugas dari eksekusi agen, memungkinkan penggunaan ulang di berbagai agen dan lingkungan. Versi ini juga mendukung pencatatan interaksi agen dan data tingkat token sesuai aturan mata uang kripto. Pembaruan mendatang akan mencakup lingkungan multi-agen dan dukungan kerangka kerja yang lebih luas.
ME AI Berita, menurut pemantauan Beating, platform pelatihan AI Prime Intellect merilis verifiers 0.2.0 dan membuka pratinjau arsitektur Verifiers v1 generasi berikutnya. Verifiers adalah kerangka kerja open-source untuk memberikan soal, menjalankan, dan menilai AI Agent, yang dapat digunakan untuk evaluasi kemampuan dan pelatihan reinforcement learning. Prime Intellect juga melepaskan kerangka kerja pelatihan model prime-rl. Secara sederhana, Verifiers bertanggung jawab mendefinisikan tugas, alat, dan aturan penilaian, sedangkan prime-rl melatih model berdasarkan hasil tugas. Pengembang dapat mengunduh dan meng部署 kedua alat ini secara mandiri. Prime Intellect juga mengoperasikan Environments Hub dan Lab. Yang pertama digunakan untuk berbagi dan mengunduh lingkungan pelatihan siap pakai, sementara yang kedua menyediakan layanan pelatihan terkelola. Pengembang dapat meng部署 seluruh alat secara mandiri atau langsung menggunakan lingkungan dan platform komputasi Prime Intellect. Versi lama Verifiers menggabungkan tugas dengan cara menjalankan Agent. Versi v1 memisahkannya menjadi tiga bagian: Taskset menentukan apa yang harus dilakukan, alat apa yang disediakan, dan bagaimana penilaian dilakukan; Harness menentukan bagaimana Agent menyelesaikan tugas; Runtime menentukan apakah tugas dijalankan di lokal, Docker, atau sandbox jarak jauh. Dengan demikian, satu set tugas yang sama dapat menggunakan berbagai Agent seperti Codex, Kimi Code, Terminus 2, atau dijalankan di lokal, Docker, atau sandbox jarak jauh. Pengembang tidak perlu menulis ulang tugas dan aturan penilaian setiap kali mengganti Agent atau lingkungan eksekusi. Versi v1 juga dapat merekam proses cabang seperti pemanggilan Sub-Agent dan kompresi konteks, serta menyimpan ID Token dan log probabilitas yang diperlukan untuk pelatihan. Versi baru lebih cocok untuk tugas panjang yang berlangsung ratusan putaran dan dapat langsung menggunakan jejak eksekusi Agent untuk reinforcement learning. Versi 1.0.0 mendatang juga direncanakan akan menambahkan dukungan lingkungan multi-Agent serta penyempurnaan dukungan untuk kerangka kerja seperti OpenEnv, NeMo Gym, dan OpenReward. (Sumber: BlockBeats)
Sumber:Tampilkan versi asli
Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.