EPI 代表了一步向自主研究的持久性,自我改进剂

简介:自主研究机构Épi进行了多次会议的调查,并在数学界限和编码任务中产生了120个创纪录的结果.

标签:Epi,自主研究机构,数学记录

主要图像: 一个抽象的技术插图,展示了持久记忆节点,分支时间线和独立验证路径,没有真实的人物,没有公司标志或文本.

埃皮自主研究机构创造了120个创纪录的结果

作为一个自主研究机构,Épi通过对模型会议进行调查并通过积累的经验发展其方法产生了120个创纪录的结果.报告中的输出涵盖两种进度模式:收紧数值间隔和生成构造级别的成果.它包括12个家族的20个数字绑定记录和8个家庭的100个构建记录,并且还扩展到可执行算法解答器 Épi-turbo .

背景:需要研究的连续性

许多模型辅助的工作流程在会话结束时停止.假设,失败的尝试和部分探索的分支可以消失,迫使研究人员重新提出问题.Epi是对这种不连续性的回应.该代理结合了持续的研究历史,层次记忆,分支和独立审查,以便能够保持调查不断进行,通过实验反改进并重新开辟替代路径.

开发:会话,记忆和验证

时间线从连续性开始:代理让实验跨越会话边界而不是将其局限于单个对话或模型调用.一个固定的验证器评估他们的输出,为成功结果提供了一个稳定的检查点.由于验证者是固定的,所以内存或分支中的变化不会重新定义中流的成功.这使得会话范围内的工作可审计:可以根据相同标准对更早的输出进行检查.

结果:数值界限和建筑记录

报告的结果结合了定量收紧和结构构造.Epi在12个家族中产生了20个数值绑定的记录,并在8个家庭中生成了100个建筑记录.这些数字改进包括n-queens常量的约84倍更窄的区间以及四边形费根姆吸引器维度的超过1百万倍更狭窄的严格区间.精确的双证书还确定科恩 - 埃尔基斯线性- programming 连接不能在10和11维度内清晰.

除了数值改进之外,Épi还提供了一个计算机辅助的证明 Tuza 的猜测 分割图有八个顶点集团部分和最多三个三角形活跃邻域类型,随意的倍率.记录计数按家族呈现,将输出作为跨问题组宽度而不是一个孤立的改善.

延伸: Algorithmic Coding使用Epi-turbo

同样的研究过程从以证据为导向的记录转移到通过Épi-turbo实现可执行解决方案,这是一种用于构建包括车辆路由,调度和生产规划在内的任务的解决方案的轻量级配置. 在30个FrontierOR任务中,Epi-Turbo在其模型成本 64% 中获得了比Codex更高5.4% 的总基准得分,使用相同的基础模型和推理力度.

目前阶段是一个证明的工作流,而不是单一的结果列表:持续的会话,验证和可解释输出通过一个旨在帮助人类理解的系统连接计算结果与研究人员可以检查和扩展的明确方法和数学论据.下一步要关注的是这种跨时段验证以及内存如何支持更长,更复杂的研究工作流程.