Prime Intellect تطلق أدوات التحقق الإصدار 1: مجموعات المهام القابلة للتركيب والأدوات وأوقات التشغيل لتدريب وتقييمات RL

تم إطلاق Prime Intellect المدققون 0.2.0. يقوم بمعاينة النواة المعاد كتابتها، والتي يتم شحنها ضمن الإصدار الجديد verifiers.v1 مساحة الاسم. تعمل التقييمات الحديثة الآن على تشغيل وكلاء الترميز باستخدام الأدوات والضغط والوكلاء الفرعيين. وبناءً على ذلك، يقوم الإصدار 1 بإعادة بناء البيئات لتشغيل أحمال عمل الوكلاء هذه على نطاق واسع.

ما هو المتحققون v1؟

أولاً، ضع في اعتبارك ماهية أدوات التحقق: حزمة بيئة Prime Intellect للتعلم المعزز والتقييمات. في السابق، كانت البيئة تجمع بياناتها ومنطق الوكيل والبنية الأساسية معًا. في المقابل، يقسم الإصدار v1 تلك الحزمة إلى ثلاث أجزاء قابلة للتركيب.

أ مجموعة المهام يحدد العمل: البيانات والأدوات والتسجيل. أ تسخير يحل المهمة وينتج الطرح. يمكن أن يكون هذا الحزام بمثابة حلقة ReAct، أو وكيل CLI، أو وكيلك الخاص. ثم يتم تشغيل الطرح داخل ملف وقت التشغيلسواء محليًا أو في وضع الحماية. نظرًا لانفصال القطع، فإن أي مجموعة مهام تعمل تحت أي حزام متوافق.

كيف تعمل الهندسة المعمارية؟

بعد تحديد هذه القطع، فإن السؤال التالي هو كيفية التواصل. القطعة المركزية هي التي يديرها المحققون خادم الاعتراض. إنه يقع بين وقت تشغيل الوكيل وخادم الاستدلال. على وجه التحديد، يقوم بتمثيل الطلبات والاستجابات للاستدلال. وفي الوقت نفسه، فإنه يسجل التتبع، ويحدد معلمات أخذ العينات، ويمكنه إعادة كتابة استجابات الأداة. تساعد إعادة الكتابة هذه في التخفيف من اختراقات المكافآت أثناء التدريب.

بالنسبة للقياس، يقوم كل خادم بمضاعفة عدد ثابت من عمليات الطرح، حيث يكون الإعداد الافتراضي هو 32. ثم يقوم المجمع بالقياس بشكل مرن مع التزامن الملحوظ. يمتلك الخادم أيضًا أ عميل الذي ينقل تلك الطلبات. أثناء التقييم، أ EvalClient يعمل بمثابة وكيل HTTP الأعمى. أثناء التدريب أ TrainClient يلتف renderers للحصول على تدريب رمزي مخلص في RL.

لأن الأحزمة تتحدث بشكل مختلف اللهجات، تدعم أدوات التحقق ثلاثة حتى الآن. هذه هي إكمالات دردشة OpenAI، واستجابات OpenAI، والرسائل الإنسانية. يقوم محول اللهجة بتطبيع كل تنسيق سلكي إلى تنسيق أساسي vf.types. وبالتالي، يظل منطق التسجيل الخاص بك مستقلاً عن الوكيل الذي تم اختباره.

الإصدار 0 مقابل الإصدار 1: مقارنة سريعة

تفصل هذه التغييرات الإصدار v1 عن الإصدار 0.

استخدام الحالات مع الأمثلة

مع وضوح البنية، فكر في كيفية استخدام الفرق لها. على سبيل المثال، يمكنك تشغيل Nemotron 3 Ultra على Terminal-Bench 2 ضمن Codex.

وبالمثل، يمكن للفرق إعادة الاستخدام هاربور مجموعات البيانات دون إعادة كتابة منطق المكافأة. قام Prime Intellect بنقل Terminal Bench 2 إلى الإصدار 1 بفئة صغيرة فقط. وفي الاختبار الداخلي، قام المدققون بمطابقة أداء هاربور في نفس المهام. Harbour هو أول تنسيق تابع لجهة خارجية مدعوم بالكامل؛ يتمتع NeMo Gym وOpenEnv بدعم ألفا.

من ناحية التدريب، يتم توصيل نفس البيئات بـ Prime-rl مباشرة. في عملية استئصال العقوبة الطويلة، تم تدريب GLM-4.5-Air على ScaleSWE عبر ست عقد H200. استغرق هذا التشغيل يومين وتم تقييمه على SWE-Bench-Verified، مما أظهر تدريبًا مستقرًا للوكلاء.

الحد الأدنى من المهام والبدء

يبدأ كل تشغيل من مجموعة مهام تحدد البيانات والتسجيل، بشكل مستقل عن أي أداة:

import verifiers.v1 as vf

class AdditionData(vf.TaskData):
    answer: int

class AdditionTask(vf.Task[AdditionData]):
    @vf.reward
    async def exact_match(self, trace: vf.Trace) -> float:
        return float(trace.last_reply == str(self.data.answer))

class AdditionTaskset(vf.Taskset[AdditionTask, vf.TasksetConfig]):
    def load(self) -> list[AdditionTask]:
        return [
            AdditionTask(
                AdditionData(idx=i, prompt=f"What is {i} + {i}?", answer=2 * i),
                self.config.task,
            )
            for i in range(100)
        ]

__all__ = ["AdditionTaskset"]

يتم بعد ذلك تشغيل أي مجموعة مهام ضمن مجموعة مختارة عبر TOML وCLI:

model = "nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B"

[taskset]
id = "primeintellect/terminal-bench-2"

[harness]
id = "codex"
version = "0.116.0"

uv run eval @ path/to/config.toml

الوجبات السريعة الرئيسية

• تقوم أدوات التحقق v1 بتقسيم البيئة إلى ملف مجموعة المهام (ما)، أ تسخير (كيف) و أ وقت التشغيل (أين).
• تمكنت جهات التحقق خادم الاعتراض تسخير الوكلاء – طلبات الاستدلال وتسجيل الآثار بسرعة.
• خطي الرسم البياني للرسالة يستبدل التتبع أزواج الإكمال الفوري التربيعية لـ v0، مما يتيح تدريبًا طويل المدى.
• يتم شحنه بالكامل Prime-rl دعم التدريب؛ تم الآن تجميد مسار الكود القديم.
• هاربور مجموعات البيانات ويسخر مثل الدستور الغذائي و النهاية 2 العمل خارج منطقة الجزاء.

تحقق من التفاصيل الفنية. أيضا، لا تتردد في متابعتنا على تغريد ولا تنسى الانضمام إلينا 150 ألف + مل والاشتراك في النشرة الإخبارية لدينا. انتظر! هل أنت على برقية؟ الآن يمكنك الانضمام إلينا على التليجرام أيضًا.

هل تحتاج إلى الشراكة معنا للترويج لصفحة GitHub Repo أو صفحة الوجه المعانقة أو إصدار المنتج أو الندوة عبر الويب وما إلى ذلك؟ تواصل معنا