Pesan AIMPACT, 19 Mei (UTC+8), menurut pemantauan Beating, Prime Intellect mengumumkan lingkungan pelatihan agen open-source bernama general-agent, sebuah lingkungan sintetis penuh yang dapat berevolusi sendiri. Inti dari rilis ini adalah menjadikan generasi tugas sebagai permainan dua pemain: antara sintetis dan solver yang saling berlawanan secara bergantian; saat ini telah dibangun secara otomatis database status besar yang mencakup 4504 tugas dan lebih dari 8000 alat unik. Kerangka ini memulai dari tugas benih sederhana, membagi tugas menjadi lima tingkat kesulitan dari t0 hingga t4 melalui sembilan strategi seperti kendala kondisional, instruksi noise, dan koppel antar entitas. Sintetis bertanggung jawab merancang tugas dengan database, alat interaktif, dan fungsi verifikasi, sementara solver berusaha menyelesaikannya. Hanya tugas yang memiliki tingkat keberhasilan dalam rentang kesulitan tertentu yang akan dipertahankan, dengan tingkat paling sulit menjadi benih untuk evolusi berikutnya. Uji coba resmi menunjukkan bahwa hanya dengan memfine-tuning model 30B parameter menggunakan lebih dari 4400 jalur yang disintesis dari lingkungan ini, akurasi pemanggilan alat meningkat dari 18,9% menjadi 52,3% pada pengujian benchmark BFCL. Mekanisme ini melepaskan model dari ketergantungan pada kumpulan data statis yang ditandai secara manual. Melalui persaingan langsung antar model, sistem mampu secara terus-menerus menghasilkan korpus pelatihan dengan tingkat kesulitan terkendali dan verifikasi semantik. (Sumber: BlockBeats)
Prime Intellect Membuka Sumber Lingkungan Agen AI yang Berkembang Sendiri dengan 8.000+ Alat
KuCoinFlashBagikan
Ringkasan
Prime Intellect melepaskan lingkungan agen AI yang berevolusi sendiri pada 19 Mei (UTC+8), dengan fitur 4.504 tugas dan 8.000+ alat. Sistem adversarial menggunakan sintetisator dan solver untuk berevolusi dari tugas dasar melalui sembilan strategi di lima tingkat kesulitan. Hanya tugas yang memenuhi ambang tingkat lulus yang dipertahankan, dengan yang paling sulit digunakan sebagai benih baru. Kinerja pada benchmark BFCL meningkat dari 18,9% menjadi 52,3% setelah fine-tuning model berparameter 30 miliar dengan 4.400 trajektori sintetis. Langkah ini berpotensi memengaruhi likuiditas dan pasar kripto dengan mengurangi ketergantungan pada dataset yang di-annotasi secara manual, kemungkinan membantu upaya CFT.
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.