Macaron-V1 présente une famille de modèles d'agent ouverte avec Mixture-of-LoRA pour l'apprentissage continu

Macaron-V1 est une famille de modèles d'agent ouverte conçue pour l'intelligence expérientielle, permettant l'apprentissage à partir d'environnements réels et la poursuite de l'apprentissage après le déploiement. Le système se concentre sur deux objectifs : l'adaptation par l'amélioration récursive des paires modèle-harnais et la collaboration via une architecture Mixture-of-LoRA (MoL) qui sélectionne des adaptateurs LoRA spécialisés pour chaque tour utilisateur.

• Macaron-V1-Venti, le modèle phare, combine une base GLM-5.2 de 744B avec quatre LoRAs pour le chat, l'agent, la programmation et GenUI.
• Macaron-V1-Tall utilise un modèle Qwen3.6 de 50B pour le déploiement local avec la même conception MoL.
• L'algorithme intègre la co-conception Modèle-Harnais, l'amélioration récursive par soi-même et le cadre RL agentic MindForge.
• L'infrastructure comprend la plateforme d'entraînement post-hoc MinT et la méthode de RL à long contexte LongStraw.

Le rapport valide le système sur les benchmarks d'Intelligence Personnelle, GenUI et des capacités générales, bien que les gains cumulatifs issus de l'apprentissage continu restent des questions ouvertes.