Harness-Zero պրեպրինտն առաջարկում է գործակալների harness-ի վարքագիծը տեղափոխել մոդելի կշիռների մեջ
Harness-Zero-ն arXiv-ի պրեպրինտ է, որն առաջարկում է agent-as-harness դիստիլյացիա. օպտիմալացված harness-ն ուղղորդում է միջանկյալ օղակին, որը fine-tuning-ի համար ստեղծում է ուղղումներ ֆիքսված թիրախային harness-ի գործողությունների տարածությունում: Հեղինակները հայտնում են, որ ստացված մոդելը պահպանել է օգտակար վարքագիծը մասնագիտացված harness-ի հեռացումից հետո, ներառյալ առաջադրանքների հաջողության մակրո-միջին ցուցանիշի փոփոխությունը 23.3%-ից մինչև 44.3%: Տրամադրված աղբյուրներն անկախ կերպով չեն հաստատում այդ արդյունքները: [1]
Այս թողարկումն անցել է «Իմանանք»-ի հրապարակման ընդլայնված ստուգումները: Որոշ էական պնդումներ շարունակում են հստակ վերագրվել պաշտոնական կամ ընկերության աղբյուրներին, քանի որ այս թողարկմանը դեռ անկախ աղբյուր կցված չէ: Համակարգը շարունակում է ստուգել հաստատված աղբյուրները և անկախ հաստատումը կավելացնի միայն ամբողջական ստուգում անցած նոր թողարկմամբ:
Հաորան Յեի, Յուսին Լուի, Հաոնան Դոնգի, Չժաոչեն Սուի և Գուոցզե Սոնգի հեղինակած version-1 arXiv պրեպրինտը ներկայացնում է Harness-Zero-ն՝ առաջարկվող մեթոդ, որը նախատեսված է AI գործակալների մասնագիտացված harness-ով պայմանավորված վարքագիծը մոդելի կշիռների մեջ փոխանցելու համար: Հեղինակների խոսքով՝ սա կարող է թույլ տալ մոդելին աշխատել ֆիքսված թիրախային harness-ով այն բանից հետո, երբ մասնագիտացված harness-ը հեռացվում է: Տրամադրված նյութը arXiv-ի գրառում և սեղմագիր է, այլ ոչ թե մեթոդի կամ արդյունքների անկախ հաստատում: [1]
01
Ինչ գիտենք այս պահին
- 01
[1] arXiv, «Harness-Zero: Harness Distillation via Agent-as-Harness», version 1, ներկայացված 21 սեպտեմբերի 2026-ին: https://arxiv.org/abs/2609.24974v1
- 02
[1] Տրամադրված ամբողջական հիմնական աղբյուրը arXiv-ի սեղմագրի գրառումն է: Այն պարունակում է մատենագիտական տվյալներ, մեթոդի հեղինակային նկարագրությունը և նրանց հաղորդած արդյունքները, սակայն ոչ անկախ ստուգում:
02
Առաջադրանքների հաջողության հաղորդված մակրո-միջինը՝ առանց հատուկ harness-ի
Հեղինակները նշում են ցուցանիշի աճ բազային մոդելից մինչև Harness-Zero, երբ գործարկման փուլում մասնագիտացված harness-ը հեռացվել է:Գնահատված վարքագծային օրինաչափությունների վերականգնման հաղորդված միջինը
Հեղինակները հայտնում են 82.3% միջին վերականգնման մասին երեք ոլորտում harness-ով պայմանավորված 28 վարքագծային օրինաչափության շրջանակում:arXiv-ի գրառման տարբերակը և ներկայացման ամսաթիվը
arXiv-ի գրառումը սահմանում է սա որպես 1 տարբերակ՝ ներկայացված 21 սեպտեմբերի 2026-ին:Արդյունավետության բոլոր ցուցանիշները ներկայացված են հոդվածի հեղինակների կողմից: Տրամադրված աղբյուրները դրանք անկախ կերպով չեն հաստատում: [1]
03
Ինչ խնդրի է անդրադառնում աշխատանքը
Հոդվածը մասնագիտացված harness-ները դիտարկում է որպես վարքագծի աղբյուր, որը կիրառման փուլում կարող է շարունակել կապված մնալ harness-ին: Harness-Zero-ն հեղինակների առաջարկած մոտեցումն է՝ harness-ով պայմանավորված ընտրված վարքագիծը բուն մոդելի մեջ դիստիլացնելու համար: Սա հեղինակների մոտեցման նկարագրությունն է, ոչ թե անկախ կերպով հաստատված եզրակացություն: [1]
- Հեղինակները գործակալների harness-ները նկարագրում են որպես արտաքին համակարգեր, որոնք միջնորդավորում են մոդելի և նրա միջավայրի փոխազդեցությունը: [1]
- Նրանք ուսումնասիրում են ըստ ոլորտի կամ կոնկրետ դեպքի օպտիմալացված harness-ի օգտագործումը որպես ուսուցման ժամանակի ուղղորդում՝ նպատակ ունենալով պահպանել ձևավորված վարքագիծը մեկ ֆիքսված թիրախային harness-ի ներքո: [1]
- Ըստ հեղինակների՝ օպտիմալացված harness-ի ուղղորդման անմիջական օգտագործումը բարդ է, քանի որ օպտիմալացված և թիրախային harness-ները տարբերվում են հասանելի տեղեկատվությամբ և գործողությունների տարածությամբ: [1]
04
Ինչպես է աշխատում Harness-Zero-ն՝ ըստ նկարագրության
Առաջարկվող մեխանիզմը կոչվում է agent-as-harness: Դրա միջանկյալ օղակը նախատեսված է օպտիմալացված harness-ից ստացվող ուղղորդումը վերածելու թիրախային միջավայրին համապատասխանող ուղղումների, այլ ոչ թե այդ ուղղորդումը դիտարկելու որպես թիրախային harness-ի անմիջական վերահսկողություն: [1]
- Օպտիմալացված harness-ն ուղղորդում է առանձին harnessing agent-ին: [1]
- Harnessing agent-ն ուղղում է սովորող մոդելի պատասխանները մինչև դրանց կատարումը թիրախային harness-ի գործողությունների տարածությունում: [1]
- Այդ ուղղումները դառնում են fine-tuning-ի ցուցադրական նմուշներ: [1]
- Հեղինակները նշում են, որ այդ հետագծերի վրա fine-tuning-ը յուրացնում է harness-ով պայմանավորված վարքագիծը՝ թույլ տալով գործարկման ժամանակ հեռացնել մասնագիտացված harness-ը: [1]
05
Ինչ են հայտնում հեղինակները
Այս թվերը հեղինակների փորձարարական պնդումներն են, ոչ թե ընդհանուր արդյունավետության անկախ կերպով հաստատված ապացույցներ: Տրամադրված գրառումը չի պարունակում այն նյութերը, որոնք անհրաժեշտ են վիճակագրական անորոշությունը, կայունությունը կամ արդյունքների՝ այլ մոդելներին ու առաջադրանքներին փոխանցելիությունը գնահատելու համար: [1]
- Գիտելիքահենք աշխատանքի, գործիքների կիրառման և գիտական փորձերի շրջանակում հեղինակները հայտնում են առաջադրանքների հաջողության 23.3% մակրո-միջին ցուցանիշի մասին բազային մոդելի համար և 44.3%՝ Harness-Zero-ից հետո, երբ գործարկման փուլում մասնագիտացված harness-ը հեռացվել է: [1]
- Նրանք նշում են 41.7% ցուցանիշ, երբ այդ մասնագիտացված harness-ը մնացել է կցված: [1]
- Հեղինակները հայտնում են նաև 82.3% միջին վերականգնման մասին երեք ոլորտում harness-ով պայմանավորված 28 վարքագծային օրինաչափության շրջանակում: [1]
- Նույն զարգացած harness-ն օգտագործող առաջատար լեզվական մոդելների համար հեղինակները նշում են, որ agent-as-harness մոտեցումը գերազանցել է code-as-harness-ին: [1]
06
Ինչն է մնում անհայտ
Սկզբնաղբյուրի գրառումը փաստում է, թե ինչ են առաջարկում և հայտնում հեղինակները, բայց ինքնին չի հաստատում մեթոդի հուսալի փոխանցումը սեղմագրում ամփոփված գնահատումներից դուրս: Հիմնական աղբյուրը ստորև հղված arXiv-ի գրառումն է: [1]
- arXiv-ի գրառումը հոդվածը նշում է որպես version 1, որը ներկայացվել է 21 սեպտեմբերի 2026-ին: [1]
- Տրամադրված տեղեկատվությունը չի փաստում գրախոսման, վերարտադրման կամ արտաքին ստուգման առկայությունը: [1]
- Այն ցույց չի տալիս, թե որ մոդելները, կարգավորումները կամ վարքագծային առանձին օրինաչափություններն են ապահովել հաղորդված միջին ցուցանիշները: [1]
07
Ինչ է անհրաժեշտ ստուգել արդյունքներին վստահելուց առաջ
Քանի որ տրամադրված տեղեկատվությունը version-1 պրեպրինտի սեղմագիր է՝ առանց ամբողջական մեթոդաբանության կամ անկախ ստուգման, ընթերցողները չպետք է այն դիտարկեն որպես գործնական ներդրման պատրաստ արդյունք: [1]
- 01
Մեթոդը գնահատելու կամ կիրառելու փորձ կատարելուց առաջ ծանոթացեք arXiv-ի սկզբնաղբյուրին և կից հոդվածին: [1]
- 02
Փնտրեք ավելի ուշ հրապարակված նյութեր, որոնք տրամադրում են մոդելների մանրամասներ, բենչմարկների սահմանումներ, ըստ առանձին ոլորտների արդյունքներ, գնահատման նյութեր կամ անկախ վերարտադրություն: [1]
- 03
Հաղորդված ցուցանիշները դիտարկեք որպես հեղինակների կողմից պրեպրինտում ներկայացված արդյունքներ, ոչ թե անկախ կերպով հաստատված տվյալներ: [1]
08
Այս թողարկման սահմանափակումները
Տրամադրված աղբյուրը arXiv-ի գրառումն ու սեղմագիրն են, այլ ոչ թե մեթոդաբանության կամ գնահատման նյութերի ամբողջական նկարագրությունը: [1]
Գրառումը չի նշում մոդելները, չի սահմանում բենչմարկները, չի տրամադրում վիճակագրական վերլուծություն կամ ըստ առանձին ոլորտների արդյունքներ: [1]
Հաղորդված արդյունքները հեղինակների պնդումներն են պրեպրինտում. տրամադրված տեղեկատվությունը չի փաստում գրախոսման, անկախ վերարտադրման կամ անկախ ստուգման մասին: [1]
Գրառումը հայտնում է վարքագծային 28 օրինաչափության մասին, սակայն դրանք առանձին-առանձին չի նույնականացնում կամ բացատրում: [1]
SRC
Աղբյուրների բաժին
Ուղիղ հղումներ այս ընտրանու հիմքում եղած նյութերին: Աղբյուրը տեսնելը նույնքան կարևոր է, որքան սինթեզն ընթերցելը:
Շարունակել ընթերցումը
9 սեպ, 2026 թ.
Պրեպրինտը հայտնում է մոդելի և harness-ի անհամապատասխանության մասին ամբողջական հետագծի նմանակման ժամանակ
Հեղինակները հայտնում են, որ փորձագետի ամբողջական հետագծի նմանակումը վնասել է թույլ մոդելներին, երբ կիրառվել է հենց այդ մոդելների շուրջ զարգացված harness-ների հետ, մինչդեռ թույլ մոդելի սեփական rollout-ում միայն ձախողված քայլն ուղղող մեթոդը կարող է պահպանել մոդելի և harness-ի համապատասխանությունը։ Պնդումները մնում են չգրախոսված և տրամադրված աղբյուրում չունեն առաջադրանքների մակարդակով ու վերարտադրելիության մանրամասներ։ [1]
9 սեպ, 2026 թ.
RegionFed պրեպրինտն առաջարկում է գրադիենտների մակարդակով անհատականացում մանրածախ հարցումների ֆեդերատիվ մոդելների համար
RegionFed-ը arXiv-ի պրեպրինտ է, որի հեղինակներն առաջարկում են տարածաշրջանային և գլոբալ գրադիենտների կոնֆլիկտն օգտագործել անհամասեռ առևտրային հարցումների միջավայրերում ֆեդերատիվ մոդելների անհատականացումն ուղղորդելու համար: Նրանք հաղորդում են երեք տվյալների բազայի և չորս տիպի ճարտարապետության վրա կատարված փորձարկումների մասին, ներառյալ 92.27% RegionFed-Meta արդյունքը և մոտավորապես epsilon 0.60 դիֆերենցիալ գաղտնիությունը: Տրամադրված նյութը չի հաստատում գրախոսություն անցնելը, անկախ ստուգումը, չափման մեթոդների սահմանումները, գաղտնիության հաշվարկները, վերարտադրելիությունը, կոդի հասանելիությունը կամ գործառնական ծախսերը: [1]
31 օգս, 2026 թ.
MAELLE նախատպությունն առաջարկում է էլեկտրոնային մակարդակի ուղիներ ռեակցիաների կանխատեսման համար
MAELLE-ը քիմիական ռեակցիաների կանխատեսման մեթոդ է, որը հիմնված է գրաֆային կառուցվածք ունեցող էլեկտրոնային զբաղվածությունների discrete flow matching մոտեցման վրա: Նախատպության համաձայն՝ մոդելն ապահովում է էլեկտրոնների վերախմբավորման մեկնաբանելի ուղիներ, մրցունակ արդյունքներ USPTO-480K-ում, out-of-distribution կայունություն և կողմնակի արգասիքների կանխատեսում: arXiv-ի առկա գրառումը չի պարունակում այդ պնդումները ստուգելու համար անհրաժեշտ քանակական, մեթոդաբանական կամ անկախ ապացույցներ: