Piccolo آپریشن میں

Piccolo علی بابا کی AgentScope ٹیم کی جانب سے اوپن سورس کیا گیا فیصلہ سازی ماڈلز کا سلسلہ ہے، جس میں 27B، 9B اور 4B کے تین سائز شامل ہیں۔ Piccolo ساختہ فیصلہ جاتی نتائج اور امکانات براہِ راست فراہم کر سکتا ہے، اور اسے ایجنٹ ورک فلو میں ٹول کے انتخاب، اجازت کے فیصلے اور ناکامی سے بحالی جیسے مراحل میں شامل کیا جا سکتا ہے۔ یہ ڈیٹا پروسیسنگ اور گیمز میں حقیقی وقت کی فیصلہ سازی کے لیے بھی استعمال ہو سکتا ہے۔ 27B نے JevBench Public میں 92.21% اور متنی Decision Index میں 68.59% حاصل کیا۔ ٹیم نے HarnessJevBench اور DataJevBench کے دو منظرنامہ جاتی بینچ مارکس خود تیار کر کے اوپن سورس کیے ہیں۔ تحقیق و ترقی میں تکراری خود اصلاحی فریم ورک استعمال کیا گیا ہے، جس میں تحقیقی Agent غلط سوالات کا تجزیہ کرتا ہے اور مسلسل بہتری کے لیے ڈیٹا کو بار بار بہتر بناتا ہے۔

ٹول کا انتخاب: کام، شواہد اور پابندیوں کی بنیاد پر دستیاب ٹولز میں سے فیصلہ کرنا کہ کون سا ٹول استعمال کیا جائے، مثلاً ترسیل کی تاریخ معلوم کرنے کے لیے آرڈر سسٹم منتخب کرنا۔
ماڈل روٹنگ: جب متعدد ماڈلز کام مکمل کر سکتے ہوں تو بجٹ جیسے عوامل کو مدنظر رکھتے ہوئے مناسب وسائل کا انتخاب کرنا۔
سیاق و سباق اور یادداشت کی چھانٹی: اہم معلومات برقرار رکھنا اور پرانا یا غیر متعلقہ مواد خارج کرنا۔
اجازت اور اعتماد کا فیصلہ: اجازت کی حدود کے اندر فیصلہ کرنا، مثلاً صرف مسودہ محفوظ کرنے کی اجازت ہو تو براہِ راست بھیجنے کے بجائے محفوظ کرنا۔
تکمیل کی توثیق اور ناکامی سے بحالی: ناکافی شواہد کی صورت میں مزید جانچ کرنا، اور عارضی خرابی کی صورت میں دوبارہ کوشش کرنے یا نہ کرنے کا فیصلہ کرنا۔
ڈیٹا پروسیسنگ کے فیصلے: صفائی اور تکراری اندراجات ہٹانے کی ترتیب طے کرنا، خلاصے کا طریقہ منتخب کرنا، مطلوبہ فیلڈز نہ ہونے پر اضافی معلومات طلب کرنا، اور بیرونی ترسیل سے پہلے یہ فیصلہ کرنا کہ معلومات کو گمنام بنانا ضروری ہے یا نہیں۔
گیمز میں حقیقی وقت کی فیصلہ سازی: گیم کے منظر کے مطابق حرکت، حملے اور بچاؤ جیسی مسلسل کارروائیوں کے لیے کی اسٹروک سطح کی رہنمائی فراہم کرنا، اور ایکشن، پہیلی اور بورڈ گیمز کو سپورٹ کرنا۔

WeChat پر فالو کر کے “开源” کا جواب دیں اور AI اوپن سورس پروجیکٹس کے گروپ میں شامل ہوں
فیصلہ جاتی انٹرفیس: Piccolo ایک مخصوص فیصلہ ساز جزو ہے جو ”حالت، سوال، امیدوار اختیارات“ کو ان پٹ کے طور پر لیتا ہے۔ دو طرفہ prompt توجہ کے ذریعے سوال اور امیدوار اختیارات ایک دوسرے کا حوالہ دیتے ہیں۔ یہ امیدوار tokens کے logits سے ہر اختیار کا امکان براہِ راست پڑھتا ہے اور ایسا ساختہ فیصلہ فراہم کرتا ہے جسے پروگرام براہِ راست استعمال کر سکتا ہے؛ پورے عمل میں کوئی تخلیقی متن تیار نہیں ہوتا۔ یہ مقامی طور پر Jev سے مطابقت رکھنے والے /v1/systemone endpoint کو استعمال کرتا ہے، جبکہ flex_twice ان پٹ ترتیب inference path کو بہتر بناتی ہے۔
متحدہ ڈیٹا انجینئرنگ: تربیتی ڈیٹا اوپن سورس کمیونٹی سے جمع کیے گئے 6.65 ملین نمونوں سے شروع ہوتا ہے، جس میں درجہ بندی، retrieval، ریاضیاتی استدلال، ترجیحی فیصلے اور ٹول کے استعمال جیسے کام شامل ہیں۔ تمام ڈیٹا کو ”حالت، سوال، امیدوار اختیارات، ہدفی تقسیم“ کے متحدہ فیصلہ جاتی فارمیٹ میں مرتب کیا جاتا ہے، اور سخت و نرم labels کے لیے ایک ہی نگرانی کا انٹرفیس استعمال ہوتا ہے۔ ٹیم نے Data-Juicer کی بنیاد پر 13 annotation dimensions اور 551 پہلے سے متعین اقدار پر مشتمل معنوی label نظام قائم کیا ہے۔ تمام ڈیٹا کو pool میں شامل کرنے سے پہلے تکراری اندراجات ہٹائے جاتے ہیں اور evaluation benchmarks کے ساتھ overlap کی جانچ کی جاتی ہے، تاکہ تربیت اور evaluation الگ رہیں۔
تکراری خود اصلاحی چکر: تحقیق و ترقی کو research Agent چلاتا ہے، جس کا بنیادی سگنل ہر سوال کا KL loss ہے۔ معنوی labels کے مطابق ڈیٹا کو تقسیم کر کے، جن حصوں میں انحراف مسلسل زیادہ ہو ان کے جوابات دوبارہ جانچے جاتے ہیں، ملتے جلتے مواد تلاش کیے جاتے ہیں یا مزید شرائطی امتزاج مخصوص طور پر تیار کیے جاتے ہیں۔ جو یکساں نمونے کافی حد تک سیکھے جا چکے ہوں انہیں کم نمونہ لیا جاتا ہے یا نمائندہ replay کے لیے رکھا جاتا ہے۔ انتخابی تناسب، audit rewriting، مخصوص synthesis اور deletion/downsampling کو مختلف تجرباتی منصوبوں میں ملایا جاتا ہے۔ Agentic Data Engineering متعدد Agents کو ”منصوبہ بندی → تجربہ بنانا → نتائج کا feedback → تشخیص کی تازہ کاری“ کے مرحلوں میں منظم کرتی ہے۔ DataJuicer-Sandbox ڈیٹا پروسیسنگ، تربیت اور evaluation کو قابلِ عمل workflow میں ترتیب دیتا ہے، جبکہ انسان صرف ہدف، بجٹ اور ڈیٹا کی حدود مقرر کرتا ہے۔

آن لائن تجربہ: https://decisionplayground.agentscope.io/ پر جا کر براہِ راست آزمائیں۔ ڈاؤن لوڈ کے بغیر مختلف فیصلہ جاتی کاموں میں Piccolo کی کارکردگی دیکھی جا سکتی ہے۔
ماڈل ڈاؤن لوڈ کریں: Hugging Face سے ضرورت کے مطابق 4B/9B/27B کے مکمل weights یا BF16، Q8_0، Q4_K_M میں سے GGUF ورژن منتخب کریں۔ GGUF کے لیے تمام shards ایک ہی directory میں ڈاؤن لوڈ کرنا ضروری ہے۔
مقامی طور پر چلائیں: source code سے QwenPaw اور اس کے Piccolo سے مطابقت رکھنے والے llama.cpp runtime کو انسٹال کریں، پھر Models → QwenPaw Local → Decision models میں GGUF ڈاؤن لوڈ کر کے Start پر کلک کریں۔ اس کے بعد Default models میں تصدیق کریں کہ default decision model اسی کی طرف اشارہ کر رہا ہے۔
خودکار منظوری فعال کریں: session model menu میں Use decision model فعال کریں، اور tool approval settings میں Decision Model Mode منتخب کریں۔ Piccolo ہر tool call کی خودکار جانچ کرے گا، جبکہ انسانی منظوری کا fallback برقرار رہے گا۔
سیاق و سباق کو مختصر کرنا فعال کریں: Context Compaction فعال کرنے کے بعد Decision Model Compaction سوئچ آن کریں۔ Piccolo سیاقی دباؤ کے دوران فیصلہ کرے گا کہ کون سے tool results کم متعلقہ اور مختصر کیے جانے کے قابل ہیں۔
API کے ذریعے انضمام: اپنے workflow میں شامل کرنے کے لیے repository کے inference/ directory میں reference inference implementation اور examples/ میں کم سے کم request example دیکھیں۔ مقامی /v1/systemone endpoint کو کال کریں، ”حالت، سوال، امیدوار اختیارات“ کے فارمیٹ میں request بھیجیں اور ساختہ فیصلے و امکانات parse کریں۔
Demo replay دیکھیں: repository clone کرنے کے بعد arena/ میں interactive Arena چلائیں۔ آپ 《绝区零》 کی لڑائی سمیت نو محفوظ شدہ replays میں ہر فیصلے کے امیدوار امکانات کو روک، drag کر کے اور ایک ایک کر کے دیکھ سکتے ہیں۔

تمام سائز اوپن سورس اور نرم لائسنس کے ساتھ: 4B، 9B اور 27B ماڈلز سمیت ان کے مکمل weights Apache-2.0 کے تحت جاری کیے گئے ہیں۔ مکمل weights اور تین GGUF ورژن دستیاب ہیں، جو cloud سے local deployment تک تمام منظرناموں کا احاطہ کرتے ہیں۔
چھوٹے سائز کی نمایاں کارکردگی: 4B نے JevBench Public میں 87.01% اور Decision Index میں 58.00 حاصل کیا، جو زیادہ تر حریفوں کے 9B درجے سے بہتر ہے اور کثرت سے ہونے والی، لاگت حساس فیصلہ سازی کی ضروریات کے لیے موزوں ہے۔
نمایاں evaluation نتائج: 27B نے JevBench Public میں 92.21% اور Decision Index میں 68.59 حاصل کیا۔ ٹیم کے 11 ماڈلز کے تقابلی جائزے میں HarnessJevBench، DataJevBench اور JevBench تینوں میں یہ پہلے نمبر پر رہا۔
کم تاخیر والا فیصلہ جاتی interface: امیدوار tokens کے logits کو براہِ راست پڑھ کر ساختہ نتائج اور امکانات واپس کرتا ہے۔ دو طرفہ attention اور flex_twice ترتیب کے ساتھ یہ workflow کے کثرت سے ہونے والے فیصلہ جاتی مراحل میں شامل کرنے کے لیے فطری طور پر موزوں ہے۔
علی بابا کے ecosystem کے ساتھ آسان integration: ماڈل ModelScope پر host ہے، QwenPaw کی mainline میں شامل ہے، اور tool کی خودکار منظوری و context compaction کو ایک کلک سے فعال کیا جا سکتا ہے۔ AgentScope framework بھی اسی ecosystem کا حصہ ہے، اس لیے استعمال کا راستہ مختصر ہے۔
مکمل stack کی engineering اوپن سورس: تکراری خود اصلاحی data pipeline، HarnessJevBench اور DataJevBench کے دونوں منظرنامہ جاتی benchmarks مکمل طور پر اوپن سورس ہیں، جنہیں community دوبارہ بنا اور بہتر کر سکتی ہے۔

پروجیکٹ کی official website：https://decisionplayground.agentscope.io/
GitHub repository：https://github.com/agentscope-ai/Piccolo

Agent کے tools کی خودکار منظوری: QwenPaw یا اپنے Agent runtime میں شامل کر کے ہر tool call کا فیصلہ کرنا، صرف read-only کارروائیوں کی اجازت دینا اور overwrite جیسے تباہ کن commands کو روکنا، تاکہ ہر call کی انسانی منظوری کی ضرورت نہ رہے۔
Context compaction اور memory filtering: سیاقی دباؤ بڑھنے پر یہ فیصلہ کرنا کہ کون سے سابقہ پیغامات اور tool results کم متعلقہ ہیں، انہیں مختصر یا خارج کرنا، جبکہ اہم معلومات برقرار رکھنا۔
Data processing workflow کے فیصلے: ڈیٹا کے داخلے، صفائی، de-identification اور delivery کے مختلف مراحل میں فیصلے کرنا، مثلاً صفائی اور deduplication کی ترتیب طے کرنا، tax amount field نہ ہونے پر اضافی معلومات طلب کرنا، اور بیرونی ترسیل سے پہلے یہ فیصلہ کرنا کہ email کو de-identify کرنا ضروری ہے یا نہیں۔
کاروباری عمل میں اجازت اور تکمیل کے فیصلے: Agent کے execution control میں یہ جانچنا کہ کارروائی اجازت کی حد سے تجاوز تو نہیں کرتی، کام مکمل قرار دینے کے لیے شواہد کافی ہیں یا نہیں، اور عارضی خرابی کی صورت میں دوبارہ کوشش کرنی چاہیے یا نہیں۔
گیمز اور interactive environments میں حقیقی وقت کی فیصلہ سازی: گیم کے منظر کی بنیاد پر کردار کی حرکت، حملے اور بچاؤ کے لیے key-level action guidance فراہم کرنا، اور گو، Sokoban جیسے ایسے strategy games میں استعمال کرنا جن میں board position کا فیصلہ ضروری ہوتا ہے۔