BotPsy, küçük yerel yardımcılar için araç çağırmayı hedefliyor
Tether AI Research, cihazda çalışıp yazılım araçlarını kullanmak üzere eğitilen küçük dil modeli BotPsy’ı tanıttı. Qwen3.5 tabanlı model takvim, dosya ve ayar işlemleri gibi görevleri hedefliyor. Ağırlıklar Apache lisansıyla sunuluyor; eğitim kodu ve eğitim verileri yayına dahil edilmiyor. Geliştiriciler uzun araştırmalar ve bazı dillerde güçlükler bulunduğunu belirtiyor. Hassas alanlarda otomatik karar vermek amaçlanan kullanımın dışında tutuluyor.
Yapay Zekâ··Öğle
Küçük model yazılım araçlarını çağırıyor
Tether AI Research, cihazda işlev çağırmak ve çok adımlı araç görevleri yürütmek için BotPsy dil modelini tanıttı. Qwen3.5-0.8B tabanlı modelin 0,8 milyar parametresi var. Dosya, takvim, e-posta ve cihaz ayarları gibi düşük veya orta güçlükteki işler hedefleniyor. Model, yerel kişisel yardımcıların hangi yazılım aracını kullanacağını seçmesi ve çağrıya gerekli bilgileri sağlaması için sonradan eğitildi. Küçük model, bu görevleri cihazda yürütme yaklaşımının bir parçası.[1], [2]
Eğitim örneklerden doğrulanan ödüllere ilerliyor
Eğitim önce tek çağrı, paralel çağrılar, birbirini izleyen işlemler ve araç çağrılmaması gereken durumları içeren gözetimli örneklerle başlıyor. BotPsy ardından kendi yanıtlarını üretirken araç kullanımı, muhakeme ve yönerge izleme alanlarında uzmanlaştırılmış öğretmen modellerden geri bildirim alıyor. Pekiştirmeli öğrenmede önce araç adları ve çağrı bilgileri denetleniyor. Sonraki aşama matematik, kod, yapılandırılmış çıktılar ve benzetilmiş iş ortamındaki görevleri kapsıyor. Gösterimlerden öğrenmeye, kurallar ve doğrulayıcılarla hesaplanan ödüller ekleniyor.[1]
Ağırlıklar kullanım sınırlarıyla sunuluyor
Model ağırlıkları Apache 2.0 lisansıyla sunuluyor; eğitim kodu ve verileri bu yayında yer almıyor. İngilizce temel eğitim dili ve önerilen kullanım dili. Geliştiriciler Hintçe, Rusça, biriken yönergeler ve açık uçlu araştırmalarda güçlükler bulunduğunu belirtiyor. Sağlık, para veya kişisel bilgi içeren hassas otomatik kararlar, amaçlanan kullanımın dışında tutuluyor. Araştırma ve eğitim kullanım alanları arasında; yerel arama ve kişiselleştirmeyi genişletmek ise gelecek geliştirme planlarında bulunuyor.[1]
