Prime Intellect Melancarkan Pra-pandangan Verifiers v1, Meningkatkan Latihan dan Penilaian Agen AI

iconKuCoinFlash
Kongsi
AI summary iconRingkasan
Platform berita AI + mata wang kripto Prime Intellect telah melancarkan Verifiers 0.2.0, pra-pandangan arsitektur Verifiers v1. Kerangka sumber terbuka ini mentakrifkan tugas, alat, dan peraturan penilaian untuk agen AI, dengan kerangka prime-rl mengurus latihan model. Versi v1 memisahkan tugas daripada pelaksanaan agen, membolehkan penggunaan semula di seluruh agen dan persekitaran. Ia juga menyokong logging untuk interaksi agen dan data tahap token di bawah peraturan mata wang kripto. Kemas kini akan datang akan termasuk persekitaran pelbagai agen dan sokongan kerangka yang lebih luas.
ME AI Mesej, menurut pemantauan Beating, platform latihan AI Prime Intellect telah melancarkan verifiers 0.2.0, yang memperkenalkan pra-pandangan arsitektur Verifiers v1 generasi seterusnya. Verifiers ialah kerangka sumber terbuka untuk memberi soalan, menjalankan, dan menilai AI Agent, yang boleh digunakan untuk penilaian kemampuan dan latihan pembelajaran penguatan. Prime Intellect juga telah melepaskan kerangka latihan model prime-rl. Secara ringkas, Verifiers bertanggungjawab menentukan tugas, alat, dan peraturan penilaian, manakala prime-rl melatih model berdasarkan hasil tugas. Pembangun boleh memuat turun dan menghuraikan kedua-dua alat ini secara bebas. Prime Intellect juga mengendalikan Environments Hub dan Lab. Yang pertama digunakan untuk berkongsi dan memuat turun persekitaran latihan sedia ada, manakala yang kedua menyediakan perkhidmatan latihan terhost. Pembangun boleh menghuraikan keseluruhan alat sendiri, atau menggunakan secara langsung persekitaran dan platform komputasi Prime Intellect. Versi lama Verifiers menggabungkan tugas dan cara Agent dijalankan. v1 memisahkannya kepada tiga bahagian: Taskset menentukan apa yang perlu dilakukan, alat apa yang disediakan, dan bagaimana penilaian dilakukan; Harness menentukan bagaimana Agent menyelesaikan tugas; Runtime menentukan sama ada tugas dijalankan secara tempatan, dalam Docker, atau di sandbox jauh. Dengan demikian, satu set tugas yang sama boleh menggunakan pelbagai Agent seperti Codex, Kimi Code, Terminus 2, atau dijalankan dalam persekitaran tempatan, Docker, atau sandbox jauh. Pembangun tidak perlu menulis semula tugas dan peraturan penilaian setiap kali menukar Agent atau persekitaran pelaksanaan. v1 juga mampu merekod proses cabang seperti panggilan Sub-Agent dan pemampatan konteks, serta menyimpan ID Token dan log probability yang diperlukan untuk latihan. Versi baharu lebih sesuai untuk tugas panjang yang berterusan selama ratusan pusingan, dan boleh terus menggunakan jejak pelaksanaan Agent untuk pembelajaran penguatan. Versi 1.0.0 masa depan juga merancang untuk menambahkan persekitaran pelbagai Agent serta menyempurnakan sokongan untuk kerangka persekitaran seperti OpenEnv, NeMo Gym, dan OpenReward. (Sumber: BlockBeats)
Sumber:Tunjukkan artikel asal
Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.