arXiv cs.AI· Hao Wang, Ting Huang·· 4 小时前AI 评分58
Mingbird:让小型开源模型完成真实任务的本地优先智能体框架
Mingbird: A Local-First Agent Harness Enabling Small Open Models to Complete Real Tasks
AI 导读
作者提出开源智能体框架 Mingbird,面向 10 亿至 90 亿参数的开源小模型,在消费级显卡上本地运行,用 18 种机制负责上下文经济、任务完成、时间预算与宿主边界。
正文 · AI 翻译
摘要:小型开放权重语言模型如今已能在笔记本电脑上运行,但在多步任务上会以大型模型不会出现的方式失败:它们会在文件缺失的情况下停下,重复同一个动作直到预算耗尽,并在未检查的情况下报告成功。在十亿到九十亿参数这一层级,harness 提供了几乎全部的程序性控制,而大型模型在 this http URL 中自行提供这些控制。本文提出 Mingbird,一个面向该层级、可在消费级显卡上运行的开源 harness:12k 行 Python 代码、628 项测试套件,以及十八种用于上下文经济性、完成、时间预算和宿主边界的机制,外加一个位于这四组之外的爬取防护。其设计要点是完成控制:harness 对工作目录运行可执行检查,并在这些检查 this http URL 时拒绝完成声明。随附的评估。一次配置面审计发现四个缺陷,v3.1.1 的 625 项测试套件未能发现它们,每个缺陷都是因为某个测试检查了与出问题属性相邻的属性。一个十任务探针套件为每种机制提供触发理由,并报告变更在何处到达产物,其中包括一种会削减其所保护信号的机制。禁用六项完成时检查中的五项,会在十八个留出任务上损失 0.152 的产物得分,每个单元格三次重复(95% CI [+0.064, +0.246],Holm p = 0.014)。在 288 单元格矩阵上,该 harness 达到 0.886,而三个开放脚手架分别为 0.631、0.479 和 0.405;在 {\tau} 2-bench 上,它在全部三个领域中对各实验组排名第一或并列第一,this http URL、评分器、源码以及每个单元格的结果均已公开。
| 评论: | 67 页,30 张表,4 幅图。v2:大幅修订(18 种机制、288 单元格的 v1.5.0 矩阵、五项评估)。代码、基准协议、评分代码及所有逐单元格结果:this https URL |
| 主题: | 人工智能(cs.AI);计算与语言(cs.CL) |
| 引用为: | arXiv:2610.02001 [cs.AI] |
| (或 arXiv:2610.02001v2 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2610.02001 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Hao Wang [查看邮箱]
[v1]
2026 年 10 月 1 日星期四 16:32:07 UTC(150 KB)
[v2]
2026 年 11 月 17 日星期二 18:43:13 UTC(107 KB)
来源:arXiv cs.AI · arxiv.org