การวิจัยอัตโนมัติในการทำงานสำหรับการเรียนรู้ของเครื่องระยะยาวและการร่างเอกสาร
สัมผัส ARIS-Code ที่พัฒนาโดย Yang Ruofeng เป็นการทำงานแบบสแตนด์อโลนที่ทำให้วงจรชีวิตการวิจัยการเรียนรู้ของเครื่องเป็นอัตโนมัติ มันทำการทดลองระยะยาว จัดการตัวแทน Executor และ Reviewer ข้ามโมเดล กำหนดตารางการทดลอง ส่งเครื่องมือผ่าน Model Context Protocol และรักษาสถานะระหว่างเซสชันเพื่อดำเนินการวิจัยโดยไม่ต้องมีคนดูแล CLI ที่สร้างด้วย Rust รองรับผู้ให้บริการ LLM หลายราย ทักษะที่ใช้ Markdown และการตรวจสอบการใช้โทเค็น มันมุ่งเป้าไปที่นักวิจัยและวิศวกร AI ที่ต้องการกระบวนการวิจัยที่สามารถตรวจสอบได้และอัตโนมัติ
ARIS-Code ทำอะไรให้กับนักวิจัย?
ARIS-Code ทำหน้าที่เป็นผู้จัดการการทำงานในระหว่างการทำงาน ที่ออกแบบมาสำหรับงานวิจัย ML ที่ใช้เวลานาน: การค้นพบแนวคิด, การดำเนินการทดลอง, และการสร้างร่าง เครื่องมือนี้ใช้ลูป Executor/Reviewer ข้ามโมเดลเพื่อให้โมเดลหนึ่งทำงานในขณะที่อีกโมเดลหนึ่งตรวจสอบผลลัพธ์เพื่อหาข้อผิดพลาดทางตรรกะ เวิร์กโฟลว์ถูกกำหนดเป็น "ทักษะ" ในรูปแบบ Markdown ธรรมดา และการกระทำของตัวแทนสามารถส่งเครื่องมือภายนอกผ่าน Model Context Protocol ซึ่งเชื่อมโยงโดยตรงกับขั้นตอนการวิจัยที่เขียนไว้
มันมีผลต่อประสิทธิภาพของระบบในระหว่างการทำงานที่ยาวนานหรือไม่?
ออกแบบมาเป็นไบนารี Rust ขนาดเบา, การทำงานจะถูกบรรจุเป็นไฟล์ที่สามารถใช้งานได้แบบสแตนด์อโลนสำหรับ Windows x64 ดังนั้นจึงหลีกเลี่ยงการพึ่งพาเฟรมเวิร์กที่มีน้ำหนักมาก การดำเนินการมุ่งเน้นไปที่ความคงทนระหว่างเซสชัน ซึ่งทำให้การทำงานที่มีระยะยาวเป็นไปได้โดยไม่ต้องเปิด GUI แบบโต้ตอบ เพราะมันเป็นการทำงานแบบ CLI ผู้ดูแลระบบสามารถกำหนดเวลาในการทำงานบนโฮสต์เฉพาะหรือภายในผู้จัดการงานที่มีอยู่เพื่อแยกการใช้ CPU และหน่วยความจำออกจากงานที่โต้ตอบ
เครื่องมือนี้ปลอดภัยสำหรับการวิจัยและการตรวจสอบที่ไม่มีคนดูแลหรือไม่?
ฟีเจอร์ด้านความปลอดภัยเน้นการตรวจสอบและการติดตาม. ลูปหลายตัวแทนที่เป็นศัตรูจับคู่ Executor กับโมเดล Reviewer แยกต่างหากเพื่อตรวจสอบผลลัพธ์ที่ไม่สนับสนุนหรือไม่สอดคล้อง ลดผลลัพธ์ที่น่าเชื่อถือแต่ไม่สนับสนุน นอกจากนี้ การทำงานจะบันทึกการใช้โทเค็นและกิจกรรมของตัวแทน ทำให้นักวิจัยสามารถมองเห็นสิ่งที่ตัวแทนถามและผลิตออกมา บันทึกเหล่านี้สนับสนุนการตรวจสอบหลังการทำงานและช่วยให้สามารถปรับสมดุลการตัดสินใจอัตโนมัติกับการตรวจสอบของมนุษย์
ฉันต้องมีความรู้ทางเทคนิคเพื่อใช้งาน ARIS-Code หรือไม่?
ความคุ้นเคยทางเทคนิคเป็นสิ่งที่คาดหวัง. การทำงานเป็น CLI ที่สร้างขึ้นจาก Rust และเวิร์กโฟลว์ถูกเขียนเป็นทักษะ Markdown แทนที่จะผ่านผู้สร้างกราฟิก การสนับสนุน LLM หลายผู้ให้บริการต้องการการกำหนดค่าจุดสิ้นสุดและข้อมูลรับรองของผู้ให้บริการ และการขยายเวิร์กโฟลว์มักหมายถึงการแก้ไขไฟล์ทักษะ Markdown การออกแบบนี้หลีกเลี่ยงการล็อคเฟรมเวิร์ก แต่คาดว่าผู้ปฏิบัติงานสามารถเขียนสคริปต์ กำหนดค่าผู้ให้บริการ และจัดการเครื่องมือบรรทัดคำสั่งได้
เหมาะสำหรับนักวิจัยที่มีความชำนาญทางเทคนิค แต่ไม่เหมาะสำหรับผู้ใช้ทั่วไป
ARIS-Code เป็นตัวเลือกที่ใช้งานได้จริงสำหรับนักวิจัย AI ที่ต้องการการทำงานอัตโนมัติของการทดลองที่ไม่ต้องมีคนดูแลและสามารถตรวจสอบได้ สถาปัตยกรรมการตรวจสอบที่เป็นศัตรูสนับสนุนผลลัพธ์ที่สามารถป้องกันได้ คาดหวังการตั้งค่าทางเทคนิคและการทำงานผ่านคำสั่งที่เหมาะสำหรับผู้ใช้ที่สะดวกในการเขียนสคริปต์การทำงาน เคล็ดลับที่เป็นประโยชน์: รันงานที่ยาวนานบนโฮสต์การวิจัยที่เฉพาะเจาะจงและติดตามบันทึกการใช้โทเค็นเพื่อให้การทำงานอัตโนมัติสามารถสังเกตได้และสามารถตรวจสอบได้
