🌲 Thousand Token Wood: мультиагентная экономика на модели 3B
Разработчик представил Thousand Token Wood — симуляцию мини-экономики, где пять лесных существ, каждое со своим ИИ-агентом на базе Qwen2.5-3B, торгуют товарами, накапливают ресурсы и реагируют на кризисы. Модель работает через vLLM на Modal, интерфейс — Gradio. Проект создан для хакатона Build Small Hackathon.
Ключевая инженерная находка: 3B-модель выдаёт 100% валидный JSON, но её экономические решения изначально были слабыми. Разработчик решил проблему не увеличением модели, а точным промптом — указал каждому агенту, что он производит, что ему нельзя покупать, и дал один рабочий пример. Качество решений резко выросло. Для устойчивости добавлен толерантный парсер JSON: некорректный ответ превращается в no-op, а не в крах симуляции.
Механика симуляции включает три ключевых элемента: диетическое разнообразие (существо может съесть только одну единицу каждого продукта за приём пищи), порчу продуктов и топливный кризис зимой. Это создаёт естественную scarcity и заставляет агентов торговать. В тестовом прогоне цена на мёд упала с 10 до 3 из-за паники, цена на дрова выросла с 4 до 7, а коэффициент Джини (неравенство) вырос с 0.14 до 0.38.
Особенность проекта — «Wood Legends»: исторические экономические кризисы (тюльпаномания, пузырь Южных морей) переосмыслены как лесные легенды и запускают реальные шоки в симуляции. Агенты реагируют на них без скриптов.
#AI #MultiAgents #Economy #Qwen #opensource
Разработчик представил Thousand Token Wood — симуляцию мини-экономики, где пять лесных существ, каждое со своим ИИ-агентом на базе Qwen2.5-3B, торгуют товарами, накапливают ресурсы и реагируют на кризисы. Модель работает через vLLM на Modal, интерфейс — Gradio. Проект создан для хакатона Build Small Hackathon.
Ключевая инженерная находка: 3B-модель выдаёт 100% валидный JSON, но её экономические решения изначально были слабыми. Разработчик решил проблему не увеличением модели, а точным промптом — указал каждому агенту, что он производит, что ему нельзя покупать, и дал один рабочий пример. Качество решений резко выросло. Для устойчивости добавлен толерантный парсер JSON: некорректный ответ превращается в no-op, а не в крах симуляции.
Механика симуляции включает три ключевых элемента: диетическое разнообразие (существо может съесть только одну единицу каждого продукта за приём пищи), порчу продуктов и топливный кризис зимой. Это создаёт естественную scarcity и заставляет агентов торговать. В тестовом прогоне цена на мёд упала с 10 до 3 из-за паники, цена на дрова выросла с 4 до 7, а коэффициент Джини (неравенство) вырос с 0.14 до 0.38.
Особенность проекта — «Wood Legends»: исторические экономические кризисы (тюльпаномания, пузырь Южных морей) переосмыслены как лесные легенды и запускают реальные шоки в симуляции. Агенты реагируют на них без скриптов.
#AI #MultiAgents #Economy #Qwen #opensource
👍1
Sakana AI проверила, можно ли обучить «дирижёра» мультиагентной системы Fugu на другой открытой модели — Gemma 4 (Apache 2.0). Результат: при том же размере и методе обучения новая версия показывает производительность и экономию затрат, сопоставимые с прежней.
Fugu устроена из двух уровней. Небольшая языковая модель-дирижёр решает, какой модели из пула поручить конкретную задачу, а сам пул включает фронтовые модели на сотни миллиардов параметров. Дирижёру не нужно хранить все знания в своих весах — достаточно правильно распределять запросы, поэтому его можно дообучать и заменять с реальными затратами.
Раньше дирижёр обучали на базе Qwen. Теперь Sakana AI применила ту же методику к Gemma 4 E2B и протестировала на собственных задачах: знания, исправление кода, генерация кода и научные вопросы уровня выпускника. Модель без обучения («случайное распределение») заметно уступает: обученный дирижёр на Gemma 4 даёт сопоставимую точность и сокращает расходы примерно в той же степени, что и прежняя версия.
Практический смысл — модульность теперь касается не только пула моделей, но и самого дирижёра. Sakana AI уже работает над версиями на собственных моделях и планирует предлагать заказчикам «суверенные» конфигурации, где дирижёр построен на локально обученной базе, без потери доступа к сильнейшим зарубежным моделям.
#AI #Gemma4 #Fugu #MultiAgents #LLM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🤔1