lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
ホーム
OPRR
速報
深堀り
イベント
BlockBeats Pro
もっと見る
資金調達情報
特集
オンチェーン生態系
用語
ポッドキャスト
データ
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
Partnered With:

Prime IntellectがVerifiersを再構築、エージェントのトレーニング評価はブロックを組み立てるように

動察 Beating のモニタリングによると、AIトレーニングプラットフォームPrime Intellectがverifiers 0.2.0をリリースし、次世代Verifiers v1のアーキテクチャプレビューを公開しました。Verifiersは、AIエージェントに問題を出題し、実行し、採点するためのオープンソースフレームワークであり、能力評価や強化学習トレーニングに使用できます。

Prime Intellectは、モデルトレーニングフレームワークprime-rlもオープンソース化しました。簡単に言えば、Verifiersがタスク、ツール、採点ルールを定義し、prime-rlがタスク結果に基づいてモデルをトレーニングします。開発者はこれらの2つのツールを自由にダウンロードしてデプロイできます。

Prime Intellectは同時にEnvironments HubとLabを運営しています。前者は既製のトレーニング環境を共有・ダウンロードするためのもので、後者はホスティングトレーニングサービスを提供します。開発者はツール一式を自分でデプロイすることも、Prime Intellectの環境と計算プラットフォームを直接利用することもできます。

旧バージョンのVerifiersは、タスクとエージェントの実行方法を一体化していました。v1ではこれを3つの部分に分割しました。Tasksetは「何をするか」「どのツールを提供するか」「どのように採点するか」を規定し、Harnessはエージェントがタスクをどのように完了するかを決定し、Runtimeはタスクをローカル、Docker、またはリモートサンドボックスで実行するかを決定します。

これにより、同じタスクセットでCodex、Kimi Code、Terminus 2などのエージェントを切り替えたり、ローカル、Docker、リモートサンドボックスで実行したりできます。開発者はエージェントや実行環境を変更するたびに、タスクや採点ルールを書き直す必要がありません。

v1はまた、サブエージェントの呼び出しやコンテキスト圧縮などの分岐プロセスを記録し、トレーニングに必要なToken IDや対数確率を保存できます。新版は数百ラウンドに及ぶ長いタスクに適しており、エージェントの実行軌跡を直接強化学習に使用することも可能です。将来の1.0.0では、マルチエージェント環境の追加や、OpenEnv、NeMo Gym、OpenRewardなどの環境フレームワークへのサポート強化も計画されています。

訂正/通報
送信
新しいライブラリを追加
自分のみが閲覧可
公開
保存
ライブラリを選択
新しいライブラリを追加
キャンセル
完了