MarkTechPost · 13.07.2026 ·Инфраструктура для агентов

Prime Intellect представила Verifiers v1 для обучения агентных систем

Компания Prime Intellect выпустила обновление Verifiers v1, предлагающее модульную архитектуру для обучения и оценки агентных систем с использованием обучения с подкреплением (RL). Система разделяет среду на три независимых компонента: наборы задач, механизмы выполнения и среды исполнения. Это позволяет стандартизировать процесс сбора данных и упростить интеграцию различных алгоритмов обучения в агентные пайплайны.

Новая архитектура вводит концепцию сервера перехвата, который выступает в роли прокси-узла. Он не только управляет запросами между компонентами, но и автоматически записывает траектории, готовые для последующего обучения моделей. Такой подход обеспечивает высокую переносимость: любой набор задач теперь может быть запущен на совместимом механизме выполнения без необходимости переписывать код под конкретную среду.

Разделение на taskset (определение задачи), harness (логика взаимодействия) и runtime (инфраструктурная среда) решает проблему жесткой привязки кода к конкретным вычислительным мощностям. На старте пользователям доступна полная поддержка обучения через prime-rl, что позволяет масштабировать эксперименты с агентными моделями, используя унифицированные интерфейсы для сбора и обработки обучающих данных.

Ключевые факты

Релиз Verifiers v1 переводит ядро системы в пространство имен verifiers.v1 для обеспечения модульности.
Архитектура разделена на три уровня: taskset (что делать), harness (как выполнять) и runtime (где запускать).
Внедрен сервер перехвата (interception server), который проксирует запросы и сохраняет траектории для обучения.
Обеспечена полная поддержка фреймворка prime-rl для запуска агентных RL-экспериментов.
Система позволяет комбинировать любые наборы задач с любыми совместимыми механизмами выполнения.

Источник: MarkTechPost

Обсудить с ИИ

Похожие материалы

MarkTechPost · Обучение и дообучение Релиз prime-rl 0.6.0 для обучения масштабных MoE-моделей Компания Prime Intellect представила обновленный фреймворк prime-rl версии 0.6.0, предназначенный для асинхронного обучения с подкреплением (RL) на базе архитектур Mixture-of-Experts (MoE) с триллионными параметрами. Инструмент ориентирован на решение сложных агентных задач, требующих работы с длинными контекстами и высокой вычислительной эффективностью. В ходе тестирования система продемонстрировала возможность обучения модели GLM-5 с длиной последовательности до 131 тысячи токенов. arXiv · Обучение и дообучение Использование RL-обучения для улучшения агентных способностей LLM Исследователи обнаружили, что стандартное обучение с подкреплением (RL) при дообучении моделей уже содержит скрытый потенциал для улучшения агентных навыков. Авторы работы доказывают, что этот процесс позволяет эффективно оценивать пошаговые действия моделей без необходимости в сложных внешних системах вознаграждения, что критически важно для решения долгосрочных задач в стохастических средах, где традиционные методы аннотирования данных практически не работают. Hacker News · Оркестрация агентов Respect the Oracle: новый подход к борьбе с переобучением ИИ-агентов Инструмент Respect the Oracle предлагает новый метод борьбы с переобучением ИИ-агентов при выполнении задач в динамических средах. Решение внедряет механизм «оракула», который ограничивает агента в чрезмерной подстройке под конкретные обучающие примеры, заставляя его придерживаться более обобщенных стратегий. Это позволяет повысить надежность агентных систем при работе с непредсказуемыми входными данными. arXiv · Машинное обучение Модельно-ориентированный подход к созданию сред для обучения с подкреплением Исследователи представили новый подход к разработке виртуальных сред, предназначенных для обучения агентов с подкреплением (RL). Традиционно создание таких систем требует значительных затрат времени, так как для успешной сходимости алгоритмов агентам необходимо тренироваться в множестве схожих, но вариативных условий. Авторы работы предлагают использовать модельно-ориентированную методологию, которая позволяет автоматизировать генерацию семейств сред, сохраняя при этом их функциональную близость. NVIDIA Technical Blog · Машинное обучение Применение обучения с подкреплением в разработке ИИ-агентов Обучение с подкреплением (RL) становится ключевым методом для повышения автономности и точности ИИ-агентов. NVIDIA представила обзор подходов, позволяющих моделям эффективно принимать решения в динамических средах. Технологии эволюционируют от классического RLHF к более сложным методам, которые позволяют агентам самостоятельно оптимизировать цепочки рассуждений и корректировать действия для достижения долгосрочных целей в реальных бизнес-задачах. MarkTechPost · Обучение и дообучение TRACE: система обучения ИИ-агентов через синтетические среды Исследователи из Стэнфорда представили TRACE — систему обучения ИИ-агентов, которая превращает повторяющиеся ошибки в специализированные тренировочные среды. Система анализирует траектории действий агента, выявляет пробелы в навыках, создает для них синтетические задачи с подкреплением и обучает отдельные LoRA-адаптеры. Это позволяет агентам динамически подключать нужные экспертные модули для решения сложных задач, значительно повышая точность выполнения операций. Hacker News · Инфраструктура для агентов Agenlus: фреймворк для обучения браузерных агентов методом проб и ошибок Разработчики представили Agenlus — открытый фреймворк для обучения ИИ-агентов взаимодействию с веб-интерфейсами через метод обучения с подкреплением (Reinforcement Learning). Система позволяет агентам самостоятельно осваивать сложные сценарии навигации и выполнения задач в браузере, обучаясь на собственных ошибках, что снижает зависимость от проприетарных API крупных технологических корпораций и закрытых экосистем. Hacker News · Обучение и дообучение Prime Intellect представила платформу Lab для децентрализованного обучения моделей Компания Prime Intellect запустила платформу Lab — инфраструктурное решение для обучения и дообучения нейросетей, объединяющее вычислительные мощности из различных источников. Система позволяет разработчикам масштабировать процесс тренировки моделей, используя распределенные ресурсы, что снижает барьеры для создания собственных архитектур и оптимизирует затраты на инфраструктуру при работе с крупными наборами данных. arXiv · Машинное обучение LLM-as-a-Verifier: новый подход к масштабированию через проверку решений Исследователи представили фреймворк LLM-as-a-Verifier, который выделяет способность модели проверять корректность собственных решений в качестве ключевой оси масштабирования ИИ. В отличие от традиционного увеличения вычислительных мощностей на этапах обучения, данный подход фокусируется на этапе инференса, позволяя моделям систематически оценивать и фильтровать ответы для повышения точности сложных логических задач. Hacker News · Оценка и бенчмарки Инструменты для верификации действий ИИ-агентов Разработчики представили подход к верификации действий ИИ-агентов, основанный на исполняемых блокнотах. Решение позволяет автоматически проверять, действительно ли модель выполнила поставленную задачу, запуская код в изолированной среде. Это критически важный шаг для перехода от простого чат-интерфейса к надежным агентным системам, где результат работы ИИ требует программного подтверждения и воспроизводимости в реальных условиях.

← Все материалы