Prime Intellect lança a versão preliminar dos Verifiers v1, aprimorando o treinamento e a avaliação de agentes de IA

iconKuCoinFlash
Compartilhar
AI summary iconResumo
A plataforma de notícias de IA e criptomoedas Prime Intellect lançou o Verifiers 0.2.0, uma prévia da arquitetura Verifiers v1. O framework de código aberto define tarefas, ferramentas e regras de pontuação para agentes de IA, com o framework prime-rl gerenciando o treinamento do modelo. A versão v1 separa tarefas da execução do agente, permitindo reutilização entre agentes e ambientes. Também suporta log de interações do agente e dados em nível de token conforme as regras de criptomoedas. Atualizações futuras incluirão ambientes multiagente e suporte a frameworks mais amplos.
ME AI Notícia, conforme monitorado pela Beating, a plataforma de treinamento de IA Prime Intellect lançou a versão 0.2.0 dos Verifiers, incluindo uma prévia da arquitetura dos próximos Verifiers v1. Os Verifiers são um framework open-source para criar, executar e pontuar tarefas para Agentes de IA, utilizável para avaliação de capacidades e treinamento por aprendizado por reforço. A Prime Intellect também liberou o framework de treinamento de modelos prime-rl. Em resumo, os Verifiers definem tarefas, ferramentas e regras de pontuação, enquanto o prime-rl treina modelos com base nos resultados das tarefas. Desenvolvedores podem baixar e implantar essas duas ferramentas por conta própria. A Prime Intellect também opera o Environments Hub e o Lab. O primeiro permite compartilhar e baixar ambientes de treinamento prontos, enquanto o segundo oferece serviços de treinamento hospedados. Desenvolvedores podem implantar todo o conjunto de ferramentas por conta própria ou usar diretamente os ambientes e a plataforma de computação da Prime Intellect. A versão anterior dos Verifiers vinculava as tarefas ao modo de execução do Agente. A v1 divide isso em três componentes: Taskset define o que fazer, quais ferramentas fornecer e como pontuar; Harness determina como o Agente realiza a tarefa; Runtime decide se a tarefa será executada localmente, em Docker ou em sandbox remoto. Assim, a mesma tarefa pode ser executada com diferentes Agentes, como Codex, Kimi Code ou Terminus 2, e em ambientes locais, Docker ou sandbox remoto. Desenvolvedores não precisam reescrever as tarefas e regras de pontuação sempre que mudam o Agente ou o ambiente de execução. A v1 também registra chamadas de sub-Agentes, compressão de contexto e outros processos ramificados, além de salvar os Token IDs e log probabilities necessários para o treinamento. A nova versão é mais adequada para tarefas longas que duram centenas de rodadas e pode usar diretamente a trajetória de execução do Agente para aprendizado por reforço. A futura versão 1.0.0 planeja adicionar suporte a ambientes multi-Agentes e aprimorar a compatibilidade com frameworks como OpenEnv, NeMo Gym e OpenReward. (Fonte: BlockBeats)
Fonte:Mostrar original
Aviso legal: as informações nesta página podem ter sido obtidas de terceiros e não refletem necessariamente os pontos de vista ou opiniões da KuCoin. Este conteúdo é fornecido apenas para fins informativos gerais, sem qualquer representação ou garantia de qualquer tipo, nem deve ser interpretado como aconselhamento financeiro ou de investimento. A KuCoin não é responsável por quaisquer erros ou omissões, ou por quaisquer resultados do uso destas informações. Os investimentos em ativos digitais podem ser arriscados. Avalie cuidadosamente os riscos de um produto e a sua tolerância ao risco com base nas suas próprias circunstâncias financeiras. Para mais informações, consulte nossos termos de uso e divulgação de risco.