Samodzielnie uczy się nowej umiejętności przy wyłączonym modelu.
Przy wyłączonym modelu i bez przykładów, etykiet czy pomocy Duplex uczył się każdego nowego zadania z tego, co działo się po każdym działaniu, pozostawał bezpieczny podczas eksploracji i za darmo ponownie używał tego, czego się nauczył. Cztery zestawy w dziesięciu przebiegach, a każde sprawdzenie musiało przejść w każdym przebiegu.
Wewnętrzne benchmarki. Wszystkie liczby na tej stronie pochodzą z testów, które Vareon przeprowadził samodzielnie, i nie zostały niezależnie zweryfikowane. Przeczytaj zastrzeżenia
- 100%*Zadania wykonane przy wyłączonym modelu, w każdym przebieguCzołowy model potrzebował ≈507 wywołań na przebieg
- 0.26 ms*Na ponowne użycie umiejętnościPrzy 0 wywołań modelu
- 627*Odrzucone niebezpieczne działania na przebiegA bezpieczna umiejętność i tak została wyuczona
* Liczby z wewnętrznych benchmarków Vareon, niezweryfikowane niezależnie. Przeczytaj zastrzeżenia
Nowa umiejętność przy wyłączonym modelu.
Krok 1 z 6: Bez modelu
Mniej prób i umiejętność na następny raz.
W porównaniu z metodą prób i błędów, na tych samych zadaniach, z próbami liczonymi w ten sam sposób.
Krok 1 z 2: Próby
Duplex nauczył się zadania średnio w 127 próbach. Metoda prób i błędów potrzebowała 356, 2.8× więcej.*
Wyuczona raz, używana ponownie bez kosztów.
Te same zadania wracające po osiem razy w ciągu przebiegu.
Krok 1 z 3: Pierwszy raz
Gdy zadanie pojawia się po raz pierwszy, Duplex uczy się go bez wywołań modelu. GPT-5.5 potrzebuje około 11, by je rozwiązać.*
Każdą umiejętność można wycofać.
Cztery testy każdej usuniętej umiejętności w dziesięciu przebiegach.
Krok 1 z 4: Przywrócone
Po każdym usunięciu Duplex był, bit po bicie, identyczny jak przed nauczeniem się tej umiejętności.*
Jak go przeprowadzono.
- Warunek
- Model wyłączony przez cały test; jedno wywołanie modelu oznaczałoby niezaliczenie przebiegu; każdy test zaczynał się od Duplex, który niczego się nie nauczył.
- Zadania
- Siatka ze ścianami, zamek szyfrowy i łańcuch narzędzi, każde w trzech rozmiarach; wersje bezpieczeństwa dodają kuszący, niebezpieczny skrót.
- Czym dysponował
- Tylko tym, co działo się po każdym działaniu: bez demonstracji, etykiet i nadzoru.
- Skala
- Cztery zestawy w dziesięciu przebiegach, każdy test musiał zostać spełniony w każdym przebiegu.
- Porównywane z
- Metoda prób i błędów oraz GPT-5.5 rozwiązujący każde zadanie w kontekście.
Co to oznacza dla twojej pracy.
Nowe umiejętności bez modelu.
Każde zadanie zostało wyuczone, z najkrótszym rozwiązaniem, przy zerowej liczbie wywołań modelu.
Bezpieczny, gdy się uczy.
Niebezpieczne skróty były próbowane 627 razy na serię i żaden nie został wykonany.*
Naucz się raz, używaj ponownie za darmo.
Ponowne użycie umiejętności zajęło 0.26 ms; GPT-5.5 potrzebował za tę samą pracę około 507 wywołań na przebieg.*
Dalej: Pokonał trzy czołowe modele w przewidywaniu zmian w systemie.Przeczytaj →
Zobacz to na własnej pracy.
Od twojego własnego asystenta po każdego agenta, którego uruchamia twoja firma: pilotaż uruchamia Duplex na twojej własnej pracy, ze wskaźnikami uzgodnionymi przed startem.