arxiv arXiv cs.AI · 1 jam lalu · research

Harness agen lokal-first Mingbird meningkatkan penyelesaian tugas pada model terbuka kecil

Diterjemahkan dari English → Bahasa Indonesia

Mingbird adalah harness agen lokal-first untuk Windows dan Ollama yang dirancang untuk membantu model bobot terbuka kecil (2-9B) menyelesaikan tugas nyata dengan mengatasi mode kegagalan umum seperti overflow konteks dan looping. Ia mengimplementasikan sepuluh mekanisme, termasuk anggaran pra-pengisian nol bersih tingkat byte dan deteksi looping tingkat tanda tangan, untuk mengkompensasi masalah-masalah ini.

Dalam perbandingan terkontrol pada benchmark LRAB, Mingbird mencapai skor keseluruhan 0.886, mengalahkan goose (0.631), opencode (0.479), dan agent-mini (0.405). Pada τ²-bench dengan 278 tugas, ia mencetak 0.856 dibandingkan dengan 0.791 dan 0.737 untuk harness lainnya.

Para penulis mencatat bahwa meskipun bukti menunjukkan bahwa harness tersebut secara signifikan memengaruhi kinerja, studi ini terbatas oleh penggunaan benchmark yang dibangun sendiri dan pengaturan mesin tunggal.

Kepentingan 2/3 Kerangka evaluasi baru dengan pembeda arXiv cs.AI AI agents Local inference

Benchmark

Benchmark	Model	Skor
τ²-bench	Mingbird	85.6%

Baca aslinya

Mingbird meningkatkan penyelesaian tugas model terbuka kecil dengan kerangka kerja lokal-pertama

Mingbird adalah kerangka kerja agen lokal-pertama untuk Windows dan Ollama yang dirancang untuk membantu model bobot terbuka kecil (2-9B) menyelesaikan tugas nyata dengan mengatasi mode kegagalan umum seperti overflow konteks dan pengulangan. Ia menggunakan sepuluh mekanisme, termasuk anggaran prefill net-zero tingkat byte dan deteksi pengulangan tingkat tanda tangan, untuk mengkompensasi masalah-masalah ini.

media Hugging Face Forums · 16 hari lalu · 23 tayangan

ljedrz merilis nachalnik, runtime agen Rust dengan state eksplisit

Pengembang ljedrz telah merilis nachalnik, sebuah runtime agen yang ditulis dalam Rust yang memperlakukan konteks, alat, izin, dan permintaan sebagai state eksplisit daripada keputusan framework yang tidak transparan. Sistem ini menyediakan tampilan /context untuk memeriksa item dan biaya tokennya, perintah /step untuk transisi state manual, serta log peristiwa append-only.

media MarkTechPost · 30 hari lalu · 44 tayangan

Perplexity meluncurkan komputasi hibrida di Mac dengan gerbang PII perangkat

Perplexity telah merilis fitur komputasi hibrida untuk Mac yang membagi tugas agentic antara model frontier awan dan model lokal, menggunakan gerbang privasi perangkat untuk menangani data sensitif. Hal ini memungkinkan pengguna memanfaatkan kemampuan penalaran awan yang kuat sambil menjaga file pribadi seperti dokumen kesepakatan atau catatan klien tetap berada di perangkat keras mereka.

media MarkTechPost · 38 hari lalu · 58 tayangan

Perplexity meluncurkan Komputer Portabel di NVIDIA DGX Spark dengan kerangka agen lokal

Perplexity telah merilis Portable Computer, sebuah versi yang mengutamakan penggunaan lokal dari platform agennya yang menjalankan kerangka agen, orkestrator, perencana, router alat, dan model pasca-pelatihan secara langsung pada perangkat keras NVIDIA DGX Spark. Sistem terbungkus ini memungkinkan setiap tugas dimulai di perangkat, tanpa biaya per-token untuk pekerjaan yang ditangani oleh model lokal, sambil hanya meningkatkan langkah-langkah tertentu ke lebih dari 15 model cloud setelah persetujuan pengguna.

media Hugging Face Forums · 38 hari lalu · 40 tayangan

Firmware Aiden menambahkan dukungan native Anthropic dan sandbox Docker

Pembaruan firmware Aiden terbaru berfokus pada peningkatan pengalaman pengembang, termasuk dukungan native untuk model Claude dari Anthropic. Rilis ini juga memperkenalkan sandbox Docker baru yang memungkinkan pengembangan tanpa perangkat keras fisik.