AI宝库

AI宝库首页 › AI 资讯 › Memmdoor:由5个Qwen3.8-27B型车组成的团队在LiveCode

Memmdoor:由5个Qwen3.8-27B型车组成的团队在LiveCode Bench Hard上击败了Fable 5

来源:Hacker News · 发布时间:11-01 · 由 AI宝库每小时自动聚合

文章 URL:https://github.com/guregodevo/memdoor/tree/main/examples/workflows/team-solve 评论 URL:https://news.ycombinator.com/item?id=50320995 要点:6

用于编程问题的多agent拉带,被写作"Memdoor工作流程". 5个角色(计划者,2个理想者,解析者,管理者)和1个修理工各自从新的上下文开始,只通过磁盘上的文件来交谈。 运行样本的外壳脚本决定成功,而不是模型。 它是GVS5H(Lee,2026:5个Qwen3.8-27B型号在LiveCode Bench Hard上与Fable 5相匹配)的方法。

用作者在Qwen3.8-27B上的精确提示重构,他们的回路在前10个LiveCode Bench Hard问题上得分平均为9.8分相差10分5分,而他们自己的吊带为9.6分,而仅Fable 5则得分为8.0分(以下,每跑一次公布).

编码员从方法描述(2026-10-25)中将这些文件自己写出。 没有人手写他们。

GVS5H的自带,被重建为同型号上的Memdoor工作流程:Qwen3.8-27B,一顶128K回放盖,作者的提示和回放。 他们的"LiveCode Bench Hard"榜单的前十个问题,5个通过,每个程序在每个公众上分级,并用他们的校正分数进行隐藏测试。

作者的列是他们的寄存器重级的结果文件

(q38 multimagent pN,寓言5 single pN),其纸上的数字。

座椅/结果/座椅/座椅/座椅

运行:每个请求和答复,程序,分级器的全部输出,每个

呼叫的成本和服务它的宿主,和每一个不计其数的尝试。

50个中49个已解决;50个运行费用35.79美元(15.30万个输出符号),38.77个与

被时钟切断的16次尝试,停止修复或暂停。

注:有10个问题,每个问题5个,不是作者的100个。 比赛

该模型可能出现在

培训:不能排除污染。 小说5的一栏是单调

问题来自作者的文档;它没有运行在这个控制带中。 循环

只看到公开的样品;分数是隐藏的测试。 跑来跑去

40分钟模型时间(最长为4小时)和0.39美元的中位数。 全部开始

OpenRouter,不是本地机器;Modal不发布其精度。

在运行的脚本和四个回溯中显示本地路径

读取 < scratch > 和 $HOME;运行中没有其他内容经过编辑。

和作者们一样每个消息,字节为:

lib/test parity.py (英语).

运行他们的多代理解析和我们的工作流程与一个脚本模型并运行

比较每个请求(四个案例,都相同;一个特征改变

情况不同。 温度(计划0.3、设想0.4、经理和工人)

0.2),上p 0.95和top k 20(他们的 vLLM 应用自模型本身)

1228K帽,最多10发子弹,一名停产工人总结,以及

答复中没有任何文字按其推理予以答复。

分别相。 主持人。 在FP8中他们自己的VLLM. 我们的

OpenRouter,按顺序询问 Modal, CoreWeave, Parsail, Wafer 直至 Modal

减速为14个令牌/s,然后仅FP8主机(Wafer, Parsail, CoreWeave):

203个电话由Modal接通,27个由CoreWeave接通,115个由Wafer接通。

FP8命令的电话 Wafer。 三跑被中跑移动,他们的

完成步骤保存(log/host-switch.txt).

付出了多少代价?问题文本是错配:我们的第一个版本写了

它自己的任务文件围绕每个问题,而27B计划从它比

从作者确切的 LiveCode Bench 文本(arc196 c's plan:0 of 2对2)中得出

第2节。 四个Memdoor的改变让一个工作流程问他们的操纵要求什么:一个任务

解答模型在未写入文本时的推理,top p/top k on a

模式行,标记断接在封顶处的回复,以及一个持续通话

它自己的四小时钟。

其所失处。 两次,同样的两个漏洞在作者的循环:

- Pass 5, abc399 e (已隐藏44个中的32个):第1轮程序是正确的;管理者发明了一个反例,预想答案错误,团队重制,新程序通过样本,没有覆盖案件。

- 第4道,arc196 c和arc196 d:一个通过每个隐藏测试的程序被后一轮所覆写,因为管理者没有说完成;两者在循环结束前都得到了正确的程序回回(arc196 d在回合8时,arc196 c通过最后呼叫),3.44分和4.24分两个最昂贵的跑道。

两者都可以在不改变方法的情况下被修复(在小输入上检查管理器的反比对野蛮力量的反比;保留通过样本的最后程序). 这些数字也没有。

卷起-fsL https://memmdoor.ai/install.sh-QQ-bash

门连接开路特#或anthropic,openai,gemini,chatgpt

git Clone -- -- 深度1 https://github.com/guregodevo/memdoor

mkdir -p ~/.memdoor/工作流程

cp-r memdoor/examples/workflows/team- solve~/.memdoor/workflows/# 库:任何项目都能看到它。

Mkdir 我的问题我的问题

cp-r./memdoor/examples/workflows/team-solve/sample/ *. #任务.md + tests/1.in. 5.out.

memdoor工作流程运行团队- 解析 -- 等待 Stderr 上的进展,每个样本通过时退出 0

工作流量在门上图伊绘制同样的跑道现场。 为了你自己的问题

替换任务.md,并将配对测试/N.in/测试/N.out文件放在旁边。

程序是溶液.py,从stdin读取,与样品比较

d. 它需要Python 3和击打。 要用一个回转来保存,复制

输入工程的.memdoor/workflows/。 工程副本取胜。

台阶上没有模型无论什么/模型被钉在答案,一个本地的

包括(为 Janis、 Ollama 或 llama- server 连接地铁)。

解决测试检讨修复校验

{\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}你觉得呢?

每个 agent 提示称"新鲜上下文,读取文件,不要依赖聊天". 纸上记下了分类纪律的收益有一个修补圆形,没有人类大门。 最后一步是整个判决:

类型:命令

要求:

- 表型:修理

命令( X):

检查=.memdoor/工作流程/团队-解决方案/检查-样本.sh

[ -f "$check" ] || check="$HOME/.memdoor/workflows/team-solve/check-samples.sh"

shash "$check" > 最终测试-输出.log 2>&% 1

结果=美元?

猫最后测试输出.log

退出“结果”

每个步骤都是一个YAML文件,以步骤/,格式

马里奥,引擎在下面。

需要:是DAG。 改变一个角色意味着改变它的及时性。

样本:将字符串的子弦数到{a,b,c},每个字母的计数相等,可达20万个字符。 通过 OpenRouter 在默认的梯子上运行:

- 8个步骤中的8个,5个样本中的5个。 解析器取取了思想家A的前缀状态法,O(N)用(a-b,a-c)对的字典。 300个随机线上的野蛮力量事后发现没有不匹配,它运行在0.04秒以N=20万。 经理发现没有修理

- 一个想法家的提供者放弃了溪流的中答。 编解码器已经写

最大回扣:0,所以跑道在那里死了。 agent步骤现在携带了最大值 retries:1,运行恢复为 --partition,它保留了该程序

策划者和其他思想家的作品。

- 构思器会提示编解码器写出命名了样本的方法(A:流取前缀状态计数,B:排序前缀状态),这将引导其他任何问题的错误方式。 他们现在要求A提供最直接的可证明的算法,B提供来自不同技术家族的算法(2026-10-28).

- 第一次尝试以"没有agent命名的编码器"失败了 0 s 中的每一个步骤:一次运行只在其工作空间中查看了它的agent. 这在同一天的网关上被固定(v1.692.0).

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(github.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 603 款 AI 工具分类导航 · 每日 AI 热门项目与动态