أطلقت تينسنت AngelSpec، وهو إطار عمل للتدريب يعتمد على PyTorch ويدعم كلًا من التنبؤ المتعدد الرموز الذاتي الانحداري (MTP) ومولدات المسودة من عائلة DFlash الموازية للعُقد لنماذج Hy3. يعالج النظام التنوع في أعباء العمل كقيد تصميم أساسي، مما يتيح له تخصيص البنية وبيانات التدريب وعمق التحقق بناءً على حالات الاستخدام المحددة.
- يعالج AngelSpec عدم التطابق بين التدريب والاستدلال في MTP باستخدام مخطط متعدد الأعماق يشارك المعلمات، حيث يتم فك تشابك العقدة الفيزيائية ذاتيًا خلال التدريب.
- يستخدم الإطار تمدد النموذج المستهدف ومعلمات النواة الثابتة لضمان تقريب مولد المسودة لاختيارات الرموز أثناء وقت الخدمة دون تغيير توزيعات التحقق.
- تقدم بنية DFly للانتشار العنقودي مزيجًا من ضبط الهدف المشروط ورأس ذاتي الانحدار مشروط بالسلف، مما يحسن معدلات القبول في مجالي البرمجة والرياضيات.
- على نموذج Qwen3-8B، يحقق DFfly متوسط طول مقبول يبلغ 5.41، متفوقًا على DSpark (5.32) وDFlash (4.57) وMTP (3.24).
- على Hy3-A21B، يصل DFly إلى متوسط طول مقبول قدره 4.79، مما يمثل مكاسب نسبية بنسبة 29.8% مقارنة بـ DFlash و59.7% مقارنة بـ MTP.
- يدعم الإطار التدريب بسياق طويل يصل إلى 128k رمزًا، ويتضمن واجهات قابلة للإضافة للأهداف والأغراض والمُحسّنات مثل Muon.
يوفر AngelSpec خط أنابيب موحدًا لتدريب ست بنى للمسودة، مما يتيح تسريعات كبيرة في معدل تمرير حركة المرور المباشرة مع الحفاظ على معدلات قبول عالية عبر معايير متنوعة.