grand fan de rendre le code plus court, plus joli et plus puissant en même temps ToolEnv avait besoin d'une refonte

l'une de mes parties préférées de travailler chez Prime Intellect est de pouvoir choisir les noms amusants chaque fois que quelqu'un lance une nouvelle instance.

L'apprentissage par renforcement est passé de ne pas fonctionner du tout à fonctionner si bien que le code peut avoir des bugs majeurs de correction et vous ne le remarquez pas parce que ça fonctionne toujours.

un de ces jours, je vais commencer à écraser des commits, mais aujourd'hui n'est pas ce jour.

c'est dommage que nous manquions de données Internet parce que tout le monde a collectivement cessé de mettre du nouveau contenu sur Internet.

ChatGPT devrait avoir un grand interrupteur vert qui dit "Mode Syco"

Recette pour post-entraîner Qwen3 1.7B en un modèle DeepResearch Que signifie pour quelque chose de petit de penser profondément ? Rencontrez Lucy, un Qwen3-1.7B post-entrainé en tant que modèle DeepResearch basé sur les vérificateurs de @willccbb. Règles de récompense basées sur des règles principales : - Exactitude des réponses Nous vérifions si la réponse finale contient littéralement la réponse de vérité. Cette correspondance de sous-chaîne est peu coûteuse et évite d'appeler un LLM plus grand pour juger. - Ratio de visites/recherches Si l'agent visite au moins autant de pages qu'il émet de requêtes de recherche, il reçoit ((visit_search_ratio - 1) / 4) ** 0.25. S'il recherche plus qu'il ne visite, le score est de -0.5. Format / Récompenses anti-hacking de récompense : - Succès de l'exécution des outils Chaque appel API qui retourne sans erreur compte. La récompense est (successful_calls * unique_tools_used) / total_call_attempts. - Efficacité de la pensée Une pénalité skew-normale centrée à 70 tokens décourage les chaînes de pensée sans fin entre les appels d'outils tout en permettant encore suffisamment de tokens pour la planification. C'est ainsi que Qwen3 1.7B a appris à rechercher, visiter et synthétiser des informations. Les petits modèles peuvent aussi faire des recherches approfondies !

si un modèle utilise plusieurs appels d'outils séquentiels entrecoupés de raisonnements en chaîne pour répondre à une seule question, cela est :

le concept de vagueposting sur des choses qui sont déjà sur GitHub

il faut juste expédier quelques petites choses de plus et ensuite je peux expédier la grande chose la prochaine ère va être tellement amusante, tout se met vraiment en place, wow