Piccolo خدام

Piccolo هي سلسلة ديال نماذج القرار مفتوحة المصدر من فريق AgentScope ديال علي بابا، فيها 3 أحجام: 27B و9B و4B. Piccolo كتقدر تخرّج مباشرة نتائج قرار منظّمة والاحتمالات ديالها، وكتقدر تندمج فمراحل اختيار الأدوات، وتحديد الصلاحيات، واسترجاع الخدمة من بعد الفشل داخل سير عمل الوكلاء، وكتصلح لمعالجة البيانات واتخاذ القرارات فالألعاب فالوقت الحقيقي. نموذج 27B وصل لـ92.21% فـJevBench Public و68.59 فـDecision Index ديال النصوص، وتبناو وفتحو مصدر جوج معايير ديال السيناريوهات: HarnessJevBench وDataJevBench. التطوير كيعتمد على إطار للتحسين الذاتي التكراري، فين كيحلل Agent البحث الأخطاء وكيعاود يطوّر البيانات باش يبقى النموذج كيتحسن باستمرار.

اختيار الأدوات: حسب المهمة والأدلة والقيود، كيقرر من بين الأدوات المرشحة شنو هي الأداة اللي خاصها تتستعمل، بحال اختيار نظام الطلبات ملي كيتسول على تاريخ التوصيل.
توجيه النماذج: ملي كاينين عدة نماذج قادرين يكملو المهمة، كيختار مورد التنفيذ مع مراعاة عوامل بحال الميزانية.
تصفية السياق والذاكرة: كيحتافظ بالمعلومات المهمة وكيصفي المحتوى القديم واللي ما عندوش علاقة.
تحديد الصلاحيات والثقة: كياخذ القرار داخل حدود الصلاحيات، بحال يختار حفظ المسودة بدل إرسالها مباشرة إلا كانت عندو غير صلاحية الحفظ.
التحقق من الإتمام واسترجاع الخدمة من بعد الفشل: ملي ما كتكونش الأدلة كافية، كيكمل التحقق، وملي كيوقع عطل مؤقت كيقرر واش يعاود المحاولة.
قرارات معالجة البيانات: كيحدد الترتيب بين التنقية وإزالة التكرار، وكيختار طريقة التلخيص، وكيطلب معلومات إضافية إلا كانت شي حقول ناقصة، وكيقرر واش خاص إخفاء البيانات الحساسة قبل الإرسال للخارج.
القرار الفوري فالألعاب: حسب صورة اللعبة، كيقدم توجيهات على مستوى الأزرار للحركات المتواصلة بحال التحرك والهجوم والتفادي، وكيخدم مع ألعاب الحركة والألغاز وألعاب اللوحة.

تابعونا فـWeChat وردّو بكلمة «开源» باش تنضمو لمجموعة التواصل ديال مشاريع الذكاء الاصطناعي مفتوحة المصدر
شكل واجهة القرار: Piccolo هو مكوّن متخصص فالحكم، كيتلقى «الحالة، السؤال، والاختيارات المرشحة» كمدخلات. باستعمال انتباه prompt ثنائي الاتجاه، كيتخلى نص السؤال والاختيارات المرشحة يراجعو بعضياتهم، وكيقرا مباشرة من logits ديال الرموز المرشحة احتمال كل اختيار، وكيخرّج قرار منظّم تقدر البرامج تستعملو مباشرة، بلا ما كيولد حتى نص طول العملية. كيمشي أصلا مع نقطة النهاية /v1/systemone المتوافقة مع Jev، ومعاه تحسين ترتيب المدخلات flex_twice لتسريع مسار الاستدلال.
هندسة موحدة للبيانات: بيانات التدريب بدات من 6.65 مليون عينة مجموعة من المجتمع مفتوح المصدر، وكتغطي مهام التصنيف والاسترجاع والاستدلال الرياضي والمنطقي وتحديد التفضيلات واستعمال الأدوات وغيرها. توحدات كاملها فصيغة قرار: «الحالة، السؤال، الاختيارات المرشحة، والتوزيع المستهدف»، مع واجهة إشراف وحدة للوسوم الصلبة واللينة. الفريق بنا باستعمال Data-Juicer نظام وسوم دلالية فيه 13 بُعد ديال الوسم و551 قيمة محددة مسبقا. كل البيانات كتتحيد منها التكرارات قبل ما تدخل للمجموعة، وكيتفحص وكيستبعد التداخل مع معايير التقييم باش يبقى التدريب والتقييم منفصلين.
حلقة التحسين الذاتي التكراري: التطوير كيسوقو Agent ديال البحث، والإشارة الأساسية هي خسارة KL لكل سؤال. من بعد تجميع البيانات حسب الوسوم الدلالية، كيراجعو أجوبة البيانات اللي كيبقى فيها الانحراف مرتفع، أو كيقلبو على مواد مشابهة، أو كيولدو بشكل موجه تركيبات شروط إضافية. أما العينات المتجانسة اللي تعلمها النموذج مزيان، كيديرو ليها أخذ عينات أقل أو كيحتافظو بإعادات تمثيلية. اختيار النسب، ومراجعة إعادة الصياغة، والتوليد الموجه، والحذف وأخذ العينات الأقل كيتجمعو فخطط تجريبية مختلفة. وكيستعمل Agentic Data Engineering عدة Agents باش يدوزو عبر «تصميم الخطة ← بناء التجربة ← ملاحظات النتائج ← تحديث التشخيص». أما DataJuicer-Sandbox فكيحول معالجة البيانات والتدريب والتقييم لسير عمل قابل للتنفيذ، والإنسان غير كيحدد الهدف والميزانية ونطاق البيانات.

التجربة أونلاين: دخل للموقع الرسمي https://decisionplayground.agentscope.io/ وجرب مباشرة، بلا ما تحتاج تحمل شي حاجة، باش تشوف أداء Piccolo فمختلف مهام الحكم.
تحميل النموذج: من Hugging Face اختار حسب الحاجة الأوزان الكاملة ديال 4B/9B/27B أو واحد من إصدارات GGUF الثلاثة: BF16 وQ8_0 وQ4_K_M. ملفات GGUF خاصك تحمل كل جزء منها لنفس المجلد.
التشغيل محليا: ثبت QwenPaw من المصدر ومعاه نسخة llama.cpp المتوافقة مع Piccolo، ومن Models → QwenPaw Local → Decision models حمل GGUF وكليكي على Start، ومن بعد دخل لـDefault models وتأكد أن نموذج القرار الافتراضي موجه ليه.
تفعيل المراجعة التلقائية: من قائمة نموذج المحادثة فعل Use decision model، ومن إعدادات الموافقة على الأدوات اختار Decision Model Mode. هكا يقدر Piccolo يراقب تلقائيا كل استدعاء ديال أداة، مع الإبقاء على الرجوع للموافقة البشرية.
تفعيل ضغط السياق: من بعد ما تفعل Context Compaction، حل مفتاح Decision Model Compaction. غادي يحدد Piccolo، ملي كيولي السياق مضغوط، شنو هي نتائج الأدوات قليلة الصلة اللي يمكن ضغطها.
الربط عبر API: إلا بغيتي تدمجو فـسير عمل طورتيه براسك، تقدر ترجع للتنفيذ المرجعي للاستدلال فمجلد inference/ ولأصغر مثال على الطلب فـexamples/. استعمل نقطة النهاية الأصلية /v1/systemone، وصيفط الطلب بصيغة «الحالة، السؤال، والاختيارات المرشحة»، ومن بعد حلل القرار المنظم والاحتمالات.
مشاهدة إعادة العروض: من بعد ما تنسخ المستودع، شغل Arena التفاعلي الموجود فـarena/. تقدر توقف العرض، وتحركه، وتشوف بالتفصيل احتمال كل اختيار فكل قرار ضمن تسع إعادات محفوظة، منها معارك «绝区零».

مفتوح المصدر بجميع الأحجام وبرخصة مرنة: النماذج الثلاثة 4B و9B و27B، مع الأوزان ديالها كاملة، منشورة برخصة Apache-2.0، وكاينة الأوزان الكاملة وثلاثة إصدارات GGUF، باش تغطي النشر من السحابة حتى التشغيل المحلي.
أداء قوي فالحجم الصغير: 4B قدر يجيب 87.01% فـJevBench Public و58.00 فـDecision Index، وتفوق على مستوى 9B ديال أغلب المنافسين، وهاد الشي مناسب للاستدعاءات المتكررة ديال نماذج القرار والحاجات الحساسة للتكلفة.
نتائج متقدمة فالتقييم: 27B وصل لـ92.21% فـJevBench Public و68.59 فـDecision Index، وكان الأول فالمعايير الثلاثة HarnessJevBench وDataJevBench وJevBench فمقارنة الفريق بين 11 نموذج.
واجهة قرار قليلة التأخير: كتقرا مباشرة logits ديال الرموز المرشحة وكترد بنتيجة منظّمة والاحتمالات ديالها. ومع الانتباه ثنائي الاتجاه وترتيب flex_twice، فهي مناسبة بطبيعتها لمراحل الحكم المتكررة داخل سير العمل.
اندماج سلس مع منظومة علي بابا: النموذج مستضاف فـModelScope، وداخل فخط QwenPaw الرئيسي، وتقدر تفعل الموافقة التلقائية على الأدوات وضغط السياق بكليك وحدة. وإطار AgentScope من نفس المصدر، يعني طريق الاستعمال قصير.
انفتاح هندسي شامل: خط أنابيب البيانات ديال التحسين الذاتي التكراري، ومعيارا السيناريوهات HarnessJevBench وDataJevBench، كاملين مفتوحين المصدر، والمجتمع يقدر يعاود التجارب ويساهم.

الموقع الرسمي للمشروع: https://decisionplayground.agentscope.io/
مستودع GitHub: https://github.com/agentscope-ai/Piccolo

الموافقة التلقائية على أدوات Agent: كيندمج فـQwenPaw أو فـسير تشغيل Agent مطور داخليا، وكيحكم على كل استدعاء ديال أداة، كيسمح بالعمليات اللي غير كتقرا وكيوقف الأوامر التخريبية بحال الكتابة فوق البيانات، وكيعوض الموافقة اليدوية على كل طلب.
ضغط السياق وتصفية الذاكرة: ملي كيكبر الضغط على السياق، كيحدد شنو هي الرسائل القديمة ونتائج الأدوات قليلة الصلة، وكيقرر واش يضغطها أو يحيدها، مع الحفاظ على المعلومات المهمة.
قرارات سير عمل معالجة البيانات: كياخذ قرارات فمراحل إدخال البيانات وتنقيتها وإخفاء البيانات الحساسة وتسليمها، بحال تحديد الترتيب بين التنقية وإزالة التكرار، وطلب معلومات إضافية ملي كيكون حقل الضريبة ناقص، وتحديد واش خاص إخفاء البريد الإلكتروني قبل الإرسال للخارج.
الصلاحيات والتحقق فمسارات العمل: أثناء تنفيذ Agent، كيحدد واش العملية تجاوزات الصلاحيات، وواش الأدلة ديال المهمة كافية للإعلان على إتمامها، وواش يعاود المحاولة ملي كيوقع عطل مؤقت.
القرارات الفورية فالألعاب والبيئات التفاعلية: حسب صورة اللعبة، كيقدم توجيهات على مستوى الأزرار لتحريك الشخصية والهجوم والتفادي، ويقدر يخدم حتى فالألعاب الاستراتيجية اللي كتحتاج الحكم على وضعية اللعب، بحال أوثيلو وسوكوبان.