NeoHorse-1 آپریشن میں

NeoHorse-1، جینیوم ردھم نے وووین شین چیونگ، سنگھوا یونیورسٹی، پیکنگ یونیورسٹی، چائنیز یونیورسٹی آف ہانگ کانگ، علی بابا اور دیگر اداروں کے اشتراک سے تیار کیا گیا اوپن سورس Agent ماڈل ہے، جس کے 4B اور 9B دو ورژن ہیں۔ ماڈل Agent-Native پوسٹ ٹریننگ استعمال کرتا ہے، جس میں Routing Harness کی حقیقی نفاذی ٹریجکٹریز کو تربیتی ڈیٹا کے طور پر استعمال کیا جاتا ہے اور روٹنگ سگنلز کو تربیتی نصاب کی ترتیب کے معیار کے طور پر دوبارہ استعمال کیا جاتا ہے، یوں جائزے کے تاثرات → ڈیٹا تناسب → ماڈل اپ ڈیٹ کا بند چکر قائم ہوتا ہے۔ ماڈل ٹول کالنگ، کام کی منصوبہ بندی، گہری تلاش اور کوڈ جنریشن کا احاطہ کرتا ہے۔ 9B ورژن کا اوسط اسکور 69.04 ہے، جو بنیادی ماڈل سے 3.44 پوائنٹس زیادہ ہے۔ یہ مقامی طور پر 26 لاکھ tokens کے سیاق و سباق کو سپورٹ کرتا ہے اور مقامی تعیناتی ممکن ہے۔

ٹول کالنگ: کام کی ضروریات کے مطابق بیرونی ٹولز کا خودکار انتخاب اور استعمال، تاکہ متعدد مراحل پر مشتمل کارروائیاں مکمل کی جا سکیں۔
کام کی منصوبہ بندی: پیچیدہ کاموں کو قابلِ عمل ذیلی مراحل میں تقسیم کرنا، پھر طویل مدتی منصوبہ بندی اور شیڈولنگ کرنا۔
گہری تلاش: متعدد دور کی گفتگو میں فعال طور پر معلومات تلاش اور یکجا کرنا، تاکہ نتائج کے لیے ثبوتوں کا سلسلہ فراہم ہو۔
کوڈ جنریشن: قابلِ استعمال کوڈ تیار کرنا اور ماحول سے ملنے والے تاثرات کی بنیاد پر اسے ڈیبگ اور درست کرنا، یہاں تک کہ کام مکمل ہو جائے۔

WeChat پر فالو کریں اور “开源” کا جواب دے کر AI اوپن سورس پروجیکٹ گروپ میں شامل ہوں
Harness ٹریجکٹری پر مبنی Agent-Native ٹریننگ: تربیتی مواد کی بنیاد Routing Harness کے حقیقی نفاذ سے پیدا ہونے والی ساختی ٹریجکٹریز ہیں، جن میں درخواست، روٹنگ، ٹول کالنگ، ماحول کے تاثرات اور خرابی سے بحالی شامل ہیں۔ روایتی سوال و جواب کے مواد کے مقابلے میں اس میں صلاحیت کی ضرورت، نفاذی فیصلہ سازی اور ماحول کے نتائج کی تین اضافی جہتیں شامل ہیں۔ کامیاب اور ناکام دونوں ٹریجکٹریز محفوظ رکھی جاتی ہیں؛ ساختی جانچ اور چھ جہتی معیار کے جائزے کے بعد منتخب کی جاتی ہیں، تاکہ تربیتی ہدف براہِ راست کام کی تکمیل کی طرف متوجہ رہے۔
صلاحیت پر مبنی ڈیٹا تناسب: روٹر کاموں کو مطلوبہ صلاحیت کے مطابق C0–C3 کی چار سطحوں میں تقسیم کرتا ہے، اور ان سگنلز کو آف لائن تربیتی بنیاد کے طور پر دوبارہ استعمال کرتا ہے۔ روٹنگ ریکارڈ کو ”پیش گوئی—عمل—نتیجہ“ کے تین حصوں میں تقسیم کیا جاتا ہے؛ پیش گوئی والے حصے سے نصاب کی ترتیب اور نتیجے والے حصے سے صلاحیت کی کمزوریوں کی نشاندہی کی جاتی ہے۔ اس بنیاد پر اگلے دور کے ڈیٹا کا تناسب ایڈجسٹ کیا جاتا ہے، جس سے جائزے کے تاثرات → ڈیٹا تناسب → ماڈل اپ ڈیٹ کا بند چکر بنتا ہے۔
Recursive Self-Improvement (RSI) کی ایک دور کی توثیق: یہ Data-RSI اور Model-RSI کے دو حصوں پر مشتمل ہے۔ پہلے حصے میں ماڈل کے مسلسل نفاذ سے نئی ٹریجکٹریز تیار ہوتی ہیں، جو انتخاب کے بعد آئندہ تربیتی مواد کے طور پر قدرتی طور پر جمع ہوتی رہتی ہیں؛ دوسرے حصے میں جائزے سے سامنے آنے والی کمزوریوں کے مطابق ماڈل کو اپ ڈیٹ کر کے Harness ماڈل پول میں واپس رکھا جاتا ہے۔ فی الحال صرف ایک مرتبہ بند چکر کی توثیق کی گئی ہے، جبکہ سگنلز اور انعامات کا ڈیزائن اب بھی انسانوں کے ذریعے متعین کیا جاتا ہے۔

ڈاؤن لوڈ ٹول انسٹال کریں: ModelScope کمانڈ لائن ٹول انسٹال کرنے کے لیے pip install -U modelscope چلائیں۔
ماڈل ڈاؤن لوڈ کریں: وزن حاصل کرنے کے لیے modelscope download --model TokenRhythm/NeoHorse-1-9B --local_dir ./NeoHorse-1-9B چلائیں۔ 4B ورژن کے لیے بھی یہی طریقہ ہے، ضرورت کے مطابق منتخب کریں۔
سروس تعینات کریں: SGLang (pip install "sglang==0.5.17") یا vLLM استعمال کر کے inference سروس شروع کریں، اور --context-length 262144، --reasoning-parser qwen3 اور --tool-call-parser qwen3_coder کنفیگر کریں۔
API کال: OpenAI SDK کے ذریعے base_url کو مقامی سروس کے پتے، مثلاً http://localhost:8000/v1، کی طرف متوجہ کریں، پھر OpenAI API کی طرح درخواستیں بھیجیں۔
وسائل پر توجہ: قابلِ استعمال سیاق و سباق کا انحصار GPU میموری پر ہے۔ میموری کم ہونے کی صورت میں پہلے سیاق و سباق کی لمبائی کم کر کے تعیناتی کریں۔

Agent-Native ٹریننگ: تربیتی ڈیٹا روایتی سوال و جواب کے مواد کے بجائے براہِ راست حقیقی نفاذی ٹریجکٹریز سے آتا ہے، اس لیے ہدف عمومی ماڈل کی بعد ازاں موافقت کے بجائے براہِ راست کام کی تکمیل ہے۔
ناکام ٹریجکٹریز کا استعمال: تربیتی مجموعے میں کامیاب اور تبدیل کی گئی ناکام ریکارڈز دونوں محفوظ رہتی ہیں، تاکہ ماڈل سیکھ سکے کہ ”کہاں غلطی کا امکان زیادہ ہے اور غلطی کے بعد کیسے بحال ہونا ہے“۔
روٹنگ سگنلز کا دوبارہ استعمال: آن لائن روٹنگ کے C0–C3 صلاحیتی درجات کے سگنلز کو آف لائن تربیتی بنیاد میں تبدیل کیا جاتا ہے، جس سے ”جائزے کے تاثرات → ڈیٹا تناسب → ماڈل اپ ڈیٹ“ کا بند چکر قائم ہوتا ہے۔
چھوٹا حجم، اعلیٰ کارکردگی: 4B ورژن کی Agent کارکردگی کئی بڑے پیرامیٹر والے عمومی ماڈلز سے بہتر ہے۔ 9B ورژن کا اوسط اسکور 69.04 ہے، جو بنیادی ماڈل سے 3.44 پوائنٹس زیادہ ہے، جبکہ تعیناتی کی لاگت کم رہتی ہے۔
انتہائی طویل سیاق و سباق: مقامی طور پر 262,144 tokens کو سپورٹ کرتا ہے اور تقریباً 101 لاکھ tokens تک توسیع پذیر ہے، جو طویل مدتی Agent کاموں کے لیے موزوں ہے۔

GitHub repository: https://github.com/TokenRhythm/NeoHorse
HuggingFace model collection: https://huggingface.co/collections/TokenRhythm/neohorse-1
arXiv تکنیکی مقالہ: https://arxiv.org/pdf/2609.08183

ایجنٹ کے ذریعے کاموں کا نفاذ: OpenClaw جیسے Harness میں نفاذی ماڈل کے طور پر فائل آپریشنز، سافٹ ویئر کے استعمال اور دیگر حقیقی کمپیوٹر کاموں کو خودکار طور پر مکمل کرتا ہے، اور ناکامی کے بعد خود بحال ہو جاتا ہے۔
ٹول کالنگ اور API آرکیسٹریشن: متعدد ٹولز کے ماحول میں بیرونی APIs کا خودکار انتخاب، امتزاج اور استعمال، جو خودکار ورک فلو اسسٹنٹ بنانے کے لیے موزوں ہے۔
گہری تلاش اور تحقیقی معاون: متعدد ادوار میں فعال تلاش، معلومات کی باہمی تصدیق اور ثبوتوں کے سلسلے کے ساتھ حوالہ جاتی تحقیقی رپورٹس کی تیاری۔
کارپوریٹ دفتری خودکاری: WorkBuddy Bench جیسے مختلف شعبوں پر مشتمل پیشہ ورانہ منظرناموں میں شیڈول کی تبدیلی، ڈیٹا کی تنظیم، رپورٹس کی تیاری اور دیگر طویل مدتی، متعدد مراحل والے کام انجام دیتا ہے۔