Stort av att göra kod kortare och snyggare och kraftfullare på samma gång ToolEnv var i behov av en översyn

En av mina favoritdelar av att arbeta på Prime Intellect är att få välja de fåniga namnen när någon startar en ny instans

RL gick från att inte fungera alls till att fungera så bra att kod kan ha stora korrekthetsbuggar och det märker man inte eftersom det ändå bara fungerar

En av dessa dagar ska jag börja mosa commits men idag är inte den dagen

Det är synd att vi håller på att få slut på internetdata eftersom alla kollektivt slutade lägga ut nytt innehåll på internet

ChatGPT ska ha en stor grön strömbrytare som säger "Syco Mode"

Recept för att efterträna Qwen3 1.7B i en DeepResearch-modell Vad innebär det för något litet att tänka djupt? Möt Lucy, en eftertränad Qwen3-1.7B som en DeepResearch-modell baserad på @willccbb:s verifierare. Primära regelbaserade belöningar: - Svara korrekt Vi kontrollerar om det slutliga svaret bokstavligen innehåller det grundläggande sanningen. Denna delsträngsmatchning är billig och undviker att ringa en större LLM-domare. - Förhållande mellan besök och sökning Om agenten besöker minst lika många sidor som den gör sökfrågor får den ((visit_search_ratio - 1) / 4) ** 0,25. Om den söker mer än den besöker är poängen -0,5. Format / Anti Reward-Hacking Belöningar: - Lyckad körning av verktyg Varje API-anrop som returneras utan fel räknas. Belöningen är (successful_calls * unique_tools_used) / total_call_attempts. - Effektivt tänkande Ett skevt normalt straff centrerat vid 70 tokens avskräcker från oändlig tankekedja mellan verktygsanrop samtidigt som det tillåter tillräckligt med tokens för planering. Det var så Qwen3 1.7B lärde sig att söka, besöka och syntetisera information. Små modeller kan också göra djupgående forskning!

Om en modell använder flera sekventiella verktygsanrop interfolierade med tankekedjeresonemang för att besvara en enda fråga är detta:

Konceptet med vaga inlägg om saker som redan finns på GitHub

behöver skicka bara ett par små saker till och sedan kan skicka den stora saken kommande era kommer att bli så mycket roligt att det verkligen kommer samman wow