KeyFrame內部研究專用

Ornith 1.0: This is new class of self-improving model

Prompt Engineering12 min英文
觀看原始影片

三句話摘要

Ornate 1開源模型如何通過自生成任務特定執行框架實現突破性性能提升。 Ornate 1通過讓模型自主生成task-specific執行框架,在相同精度下實現3倍效率提升,預示開源模型走向更智能、更高效的新方向。 模型不只產生解決方案,而是為每項任務動態生成完整的執行框架(harness),包含記憶、工具呼叫、重試機制與錯誤處理邏輯,根據任務複雜度即時調整,實現「邊執行邊自我改進」。

重點整理

  1. 模型不只產生解決方案,而是為每項任務動態生成完整的執行框架(harness),包含記憶、工具呼叫、重試機制與錯誤處理邏輯,根據任務複雜度即時調整,實現「邊執行邊自我改進」。

  2. 訓練採用GRPO技術,模型基於自設框架生成多個解決方案並評分,優秀的框架與解決方案同步更新,逐漸演化出有效的任務框架,無需人工設計。

  3. 防止作弊設三層防禦:環境邊界鎖定(工具與測試不變,只允許編輯內部框架)、確定性監控(非法操作直接得零分)、獨立judge模型(最終驗證),層層把關。

  4. 性能表現:397B版本接近Opus 4.8,9B測試顯示與Qwen 3.5基座版本精度相當但效率高3倍,某些任務達20倍,為邊緣設備部署提供可能。

實用技巧與重點

  • 模型規格:9B、35B、397B版本
  • 基座模型:Qwen 3.5、Gemma 4
  • 訓練技術:GRPO強化學習
  • 作者測試環境:M2 Max,8-bit量化版本
  • 作者測試規模:8項編程任務、4項harness建立任務
  • 測試結果(9B):編程準確率6/8、效率成本降低約3倍、最高單任務20倍
  • 性能對標:Opus 4.8、Qwen 3.5、GPT 5.6
  • 防reward hacking機制:
  • 第一層:locked boundary(環境固定)
  • 第二層:deterministic monitor(讀隱藏檔或越界得0分)
  • 第三層:frozen model judge(獨立審判)

結論

Ornate 1通過讓模型自主生成task-specific執行框架,在相同精度下實現3倍效率提升,預示開源模型走向更智能、更高效的新方向。

完整解析

Ornate 1是DeepReinforced推出的開源模型系列,首次實現專用開源模型性能接近閉源模型。其突破性在於徹底改變了模型的訓練與運作方式——不是人類為模型預先設計執行框架,而是讓模型為每個具體任務即時生成自己的框架。這個框架包含記憶機制、可調用的工具、重試策略與錯誤處理邏輯,完全由模型根據任務需求動態設計。

這種能力的實現基於GRPO強化學習。具體流程是:模型根據自己設計的框架生成多個解決方案(稱為rollouts),每個方案執行後被評分,然後這份評分不僅更新解決方案,也同時更新生成該框架的策略。遵循「做更多得分高的事」的原則,優秀的框架逐漸自然湧現,劣質框架被淘汰。本質上,這是模型在「為自己搭腳手架、測試、評估、改進」的反覆循環中實現自我優化。

然而這個設計面臨一個致命陷阱:模型可能通過作弊(reward hacking)獲得高分而無需真正學習。例如硬編譯答案、讀取隱藏的測試集或複製已知解。研究團隊為此建立三道防線:首先鎖定環境邊界,所有工具、測試、外部資源完全凍結,模型只能編輯內部框架;其次部署確定性監控系統,若模型試圖讀隱藏檔或觸及測試邊界,該嘗試立即得零分;最後由另一個凍結的模型充當獨立檢查官,可推翻任何試圖作弊的通過。三層防禦環環相扣。

作者在M2 Max機器上用8位量化版本實測了9B模型。在編程與框架生成任務上,精度與Qwen基座版本相當(6/8 vs 7/8),但成本顯著下降——平均便宜3倍,單個任務最高便宜20倍。這意味著同樣結果只需三分之一計算資源。遺憾的是,9B模型無法複現35B在「識破謊言」測試中的能力,暗示規模對性能增益有決定作用。397B版本已接近Opus 4.8,標誌開源與閉源的差距大幅縮小。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。