CLM: Nowa fala modeli System One do szybkiej weryfikacji
Nowy Contrastive Language Model (CLM) działa 9-krotnie szybciej niż Jev i doskonale sprawdza się jako weryfikator zadań długoterminowych, z kodem i wagami dostępnymi na licencji Apache 2.0.
Jeśli budujesz własne systemy harness dla AI, warto zwrócić uwagę na nową falę modeli typu "System One".
Pierwszy pojawił się Jev. Teraz dołącza do niego Contrastive Language Model (CLM).
Kluczowe różnice i zalety
- Szybkość: CLM działa 9 razy szybciej niż Jev.
- Rola weryfikacyjna: CLM wydaje się lepiej sprawować funkcję weryfikatora, szczególnie w zadaniach o długim horyzoncie wykonania, gdzie kluczowa jest błyskawiczna ocena.
Analiza techniczna: CLM vs. Jev
Istotna różnica tkwi w metodologii szkolenia:
- CLM wykorzystuje uczenie kontrastowe. Koduje bieżącą sytuację oraz potencjalne działania w postaci wektorów osadzenia (embeddings), porównuje ich podobieństwo, a następnie rankinguje lub wybiera najbardziej odpowiednią opcję.
- Jev jest szkolony przy użyciu Reinforcement Learning for Calibrated Decisions (RLCD). Przyjmuje sytuację wraz z predefiniowanymi pytaniami i zwraca typowane decyzje wraz ze stowarzyszonymi prawdopodobieństwami.
Dlaczego to ma znaczenie
Kluczem jest fakt, że istnieje wiele sposobów rozwiązania tego problemu, a ta różnorodność jest naprawdę interesująca dla deweloperów. Posiadanie różnych architektur pozwala na optymalizację kompromisu między głębokością rozumowania a szybkością w przepływach pracy agentowych (agentic workflows).
Kod i wagi są opublikowane na licencji Apache 2.0:
Dlaczego to ważne
AnalizaSzybsze modele System One, takie jak CLM, są niezbędne dla efektywnych agentów AI, ponieważ znacząco redukują opóźnienia w pętlach weryfikacyjnych i procesach decyzyjnych dla złożonych zadań.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami