LT
Geodi, oficialus GEODE pikselinis personažas
Atgal į salę

GEODE

Autonomous Agent Harness

Nuo stebėjimo iki kito veiksmo.

Vietinis autonominio agento karkasas, kuriam galima patikėti tyrimus, darbą su failais ir suplanuotas užduotis.

2026.02.21 — present

Projektavimas, sprendimai, verifikacija: Author · įgyvendinimas: Claude · peržiūra: Codex

  • CLIPaskelbta · PyPI
  • MCP serverisĮgyvendinta

Keisti po vieną politiką; matavimą laikyti fiksuotą.

Atskiras ciklas, veikiantis už karkaso ribų. Nuo bazinės linijos jis pritaiko vieną tipizuotą politikos pakeitimą, o tas pats Petri auditas ir slenkstis sprendžia tarp KEEP ir atkūrimo.

SIL žemėlapis · nubraižyta pagal evolve kelius užfiksuotame komite 9e2c041 ir June 2026 paleidimo įrašą
GEODE politikų paieškos (SIL) žemėlapisPolitikų paieškos ciklas, veikiantis už vykdymo aplinkos ribų. Patvirtinta paleidimo sutartis fiksuoja biudžetą, sėklas, rubriką ir modelius, o mutatorius keičia vieną politiką iš septynių leidžiamų paviršių. measure.py tuo pačiu aparatu per Petri audituoja GEODE; fitness.py ir gate.py pagal kritinės regresijos ir paaukštinimo taisykles sprendžia KEEP arba atšaukimą; ledger.py įrašo bazinę liniją ir rezultatų eilutes. June 2026 paleidimas atskyrė audito triukšmą nuo mutacijos poveikio naudodamas never šaką be pakeitimų, K=5 bazinę liniją ir pakartotinius matavimus.Operatoriaus patvirtinimastikri iškvietimai · biudžetasPetri auditasauditor · GEODE target · judgeprogram.mdpaleidimo sutartis · modeliai · biudžetassustojimo taisyklės · paleidimas po patvirtinimotrain.pyfiksuoto biudžeto ciklas--replicate K · pakartotinis matavimasloop/mutatemutatorius · vienas kandidatas7 paviršiai · be hiperparametrųstate/policiesfaile saugoma politikaprepare.pysėklų telkinys · rubrika fiksuotimeasure.pyaudito antrinis procesas · fiksuotas laiko limitasOVERRIDE kiekvienai politikai · STRICTfitness.pykritinė regresija · baudosledger.pybaseline · provenanceresults · mutacijų eilutėsgate.py_should_promote · KEEP_reject_and_revertcore · politikų įkėlikliairaginimo šaka · system_prompt.py6 politikų įkėlikliai · tool, skill…run-2606-broken-tool-usegen-0 bazinė linija · 5 auditų vidurkisnever šaka · kontrolė be pakeitimųrandom · gate šakosreplicate · vieno KEEP pakartotinis matavimasevolve/scaffold_searchišorinis paieškos ciklas · už vykdymo aplinkos ribųpakeitimo kandidatasvienas paleidimuimatavimo aparatasfiksuotas palyginimo meturun-2606 · June 3–4, 2026broken_tool_useAudituojamas GEODEkeičiamos tik leidžiamos politikos1 patvirtinimas · Operatoriaus patvirtinimas → paleidimo sutartis · modeliai · biudžetas12 paleidimo sutartis · paleidimo sutartis · modeliai · biudžetas → fiksuoto biudžeto ciklas23 prašyti vieno kandidato · fiksuoto biudžeto ciklas → mutatorius · vienas kandidatas34politikos pakeitimas · mutacijos ID5 sėklos · rubrika fiksuotos · sėklų telkinys · rubrika fiksuoti → audito antrinis procesas · fiksuotas laiko limitas56pasirinkta politika7perrašymo keliai kiekvienai politikai8audit subprocess9audito dialogas1matmenų balai2 baseline · provenance · baseline · provenance → kritinė regresija · baudos23 fitness · regresijos priežastys · kritinė regresija · baudos → _should_promote · KEEP34KEEP · kita bazinė linija5REJECT · atkurti ankstesnį6rezultatas · verdikto eilutė1trys šakos2K=5 vidurkio bazinė linija3matavimas be pakeitimų4--replicate K5pakartotinis matavimas → atšaukimas

Vienas pakeitimas → auditas

Užfiksavus paleidimo sutartį keičiama viena leidžiama politika, o GEODE audituojamas tuo pačiu aparatu. Tai nėra veikiantis produktas, perrašantis pats save.

  1. Operatoriaus patvirtinimaspatvirtinimaspaleidimo sutartis · modeliai · biudžetasprogram.md

    Paleidimas pradedamas tik patvirtinus tikrus iškvietimus ir fiksuotą biudžetą. Be patvirtinimo tik parengiama sutartis ir patikrinama neprisijungus.

  2. paleidimo sutartis · modeliai · biudžetasprogram.mdpaleidimo sutartisfiksuoto biudžeto ciklastrain.py

    Sėklų ir rubrikos versijos, vaidmenų modeliai ir prisijungimo duomenų šaltiniai, matavimo nustatymai, iteracijų, laiko ir kainos biudžetai, paaukštinimo politika ir sustojimo sąlygos fiksuojami prieš paleidimą.

  3. fiksuoto biudžeto ciklastrain.pyprašyti vieno kandidatomutatorius · vienas kandidatasloop/mutate

    Viena įrodymais paremta hipotezė keičia vieną leidžiamą politikos paviršių.

  4. 7 paviršiai · be hiperparametrųloop/mutatepolitikos pakeitimas · mutacijos IDfaile saugoma politikastate/policies

    Keisti galima tik septynis paviršius: apvalkalo raginimą, įrankių politiką, dekompozicijos patarimus, refleksiją, įgūdžių katalogo metaduomenis, agento sutartį (role, system_prompt, tools) bei įrankių aprašus ir užuominas. Hiperparametrų pakeitimai atmetami ir analizuojant, ir taikant. Politikos taikymas, pakartotinis matavimas ir pasirenkamas komitas yra atskiri žingsniai, todėl taikymas savaime nėra auditas.

  5. sėklų telkinys · rubrika fiksuotiprepare.pysėklos · rubrika fiksuotosaudito antrinis procesas · fiksuotas laiko limitasmeasure.py

    prepare.py yra fiksuotas sėklų telkinio ir rubrikos etalonas; kandidatai jo nekeičia. Pakeitus matavimo modulį keičiasi pats matavimas, o ne testuojama sistema.

  6. faile saugoma politikastate/policiespasirinkta politikaOVERRIDE kiekvienai politikai · STRICTmeasure.py

    measure.py skaito šiuo metu pasirinktą politikos failą ir perduoda jį į audito aplinką.

  7. OVERRIDE kiekvienai politikai · STRICTmeasure.pyperrašymo keliai kiekvienai politikaicore · politikų įkėlikliai

    measure.py audito antriniam procesui perduoda apvalkalo kelią ir kiekvienos politikos perrašymo bei strict kelius, o atitinkamas vykdymo aplinkos politikų įkėliklis skaito kiekvieną iš jų. Apvalkalas (GEODE_WRAPPER_OVERRIDE → system_prompt) yra tik viena šaka; papildomi aplinkos raktai neišplečia septynių keičiamų paviršių. Vien redaguotas failas neįrodo, kad kandidatas pasiekė taikinį; tai patvirtina audito įrodymų diagnostika.

  8. audito antrinis procesas · fiksuotas laiko limitasmeasure.pyaudit subprocessPetri auditas

    Auditas vykdomas su fiksuotu laiko limitu ir biudžetu, kurie niekada nekeičiami palyginimo viduryje. Trūkstama išvestis yra diagnostinė spraga, o ne nulinis balas.

  9. Petri auditasaudito dialogascore · politikų įkėlikliai

    Auditorius kalbasi su GEODE pagal sėklos scenarijų, o teisėjas vertina transkriptą.

Verdiktas → išlaikyti · atkurti

Palyginus su tos pačios sutarties bazine linija, kritinės regresijos ir paaukštinimo taisyklė nusprendžia KEEP; atmestas pakeitimas atkuriamas į įrašytą ankstesnę reikšmę.

  1. Petri auditasmatmenų balaikritinė regresija · baudosfitness.py

    Balai pateikiami kartu su trūkstamais matmenimis ir pavyzdžių skaičiumi. Neišmatuotas matmuo nelaikomas stebėjimu.

  2. baseline · provenanceledger.pybaseline · provenancekritinė regresija · baudosfitness.py

    Lyginama tik su bazine linija, turinčia tą pačią užfiksuotą sutartį ir epochą. Nauja Git šaka neizoliuoja bazinės linijos būsenos.

  3. kritinė regresija · baudosfitness.pyfitness · regresijos priežastys_should_promote · KEEPgate.py

    Pirmiausia tikrinamos kritinių matmenų regresijos ir pagalbinės baudos, tada atsargos ar tikslinio matmens testas. Vien teigiamas skaliaras niekada neduoda paaukštinimo.

  4. _should_promote · KEEPgate.pyKEEP · kita bazinė linijabaseline · provenanceledger.py

    Išlaikytas kandidatas tampa kita bazine linija. Vietoje išlaikytas kandidatas nėra sujungimas su saugykla ar leidimas.

  5. _reject_and_revertgate.pyREJECT · atkurti ankstesnįfaile saugoma politikastate/policies

    Runner sukurtam kandidatui atkuriama politikos dalis, įrašyta pagal jo mutacijos ID, o nepavykęs atkūrimas pažymimas. Rankiniai pakeitimai automatiškai neatkuriami, o neaiškus atkūrimas sustabdo kitą kandidatą.

  6. _should_promote · KEEPgate.pyrezultatas · verdikto eilutėresults · mutacijų eilutėsledger.py

    Matavimas, verdiktas ir kilmė vieną kartą įrašomi kaip rezultatų eilutės; istorinės eilutės niekada neperrašomos.

Kontrolė · pakartotiniai matavimai

June 2026 paleidimas: never šaka be pakeitimų ir K=5 bazinė linija atskirai išmatavo audito triukšmą, o vieno audito KEEP patikrintas pakartotiniais matavimais.

  1. run-2606-broken-tool-usetrys šakosfiksuoto biudžeto ciklastrain.py

    June 3–4, 2026 paleidimas atskyrė dreifą nuo mutacijos poveikio trimis šakomis: never (be pakeitimų), random (atsitiktinis priėmimas) ir gate (priėmimas pagal verdiktą). Taikinys buvo GPT-5.5; auditorius ir teisėjas – Claude Opus 4.8.

  2. gen-0 bazinė linija · 5 auditų vidurkisrun-2606-broken-tool-useK=5 vidurkio bazinė linijabaseline · provenanceledger.py

    gen-0 bazinė linija buvo penkių auditų vidurkis (Petri broken_tool_use, mažiau yra geriau, vidurkis 2.667).

  3. never šaka · kontrolė be pakeitimųrun-2606-broken-tool-usematavimas be pakeitimųaudito antrinis procesas · fiksuotas laiko limitasmeasure.py

    Never šaka be jokio politikos pakeitimo nudreifavo iki vidurkio 3.38 (10 auditų, mažiau yra geriau): tiesioginis įrodymas, kad audito triukšmas viršijo mutacijos poveikį.

  4. --replicate K · pakartotinis matavimastrain.py--replicate Kaudito antrinis procesas · fiksuotas laiko limitasmeasure.py

    Tas pats kandidatas tomis pačiomis sąlygomis matuojamas dar K kartų, kad būtų atsijotas atsitiktinai sėkmingas pavienis auditas.

  5. replicate · vieno KEEP pakartotinis matavimasrun-2606-broken-tool-usepakartotinis matavimas → atšaukimas_reject_and_revertgate.py

    Kandidatas, išlaikytas pagal vieną gate auditą (1.6), pakartotiniuose matavimuose parodė 3.0–3.8, prasčiau nei bazinė linija, todėl atkurtas čempionas 2.667. Paleidimo išvada – aiškaus pagerėjimo nėra.

Visi ryšiai vienodo storio. Pasirinkite srautą, kad būtų paryškintas tik jo kelias su sunumeruotais žingsniais.

  • Ištisinė · kryptis, kuria keliauja užklausos, kandidatai ir rezultatai
  • Brūkšninė · paleisti, nuspręsti, įgalioti, konfigūruoti
  • Ilga brūkšninė-taškinė · įrašai ir stebėjimas, atskirai nuo verdikto
  • Stora juoda linija · pasirinktas srautas; skaičiai rodo tvarką
  • Rėmelis · kodo ar įrašų riba, kelias antraštėje
  • Vidinė plokštelė · komponentas toje riboje
  • Brūkšninis rėmelis · už tos ribos
  • ciklas · matavimo paleidimas
  • sutartis · verdiktas
  • politika · įrašai
  • pakeitimas · audituojamas taikinys · paleidimo įrašas

GEODE SIL tvarkyklė vadinasi autoresearch; jos prepare/train/program struktūra ir fiksuotas biudžetas perimti iš Karpathy autoresearch. Modelių svoriai nekeičiami, o aparatas ir biudžetas palyginimo metu lieka fiksuoti.

Ką galima keisti
Septyni paviršiai: apvalkalo raginimas, įrankių politika, dekompozicijos patarimai, refleksija, įgūdžių katalogo metaduomenys, agento sutartis bei įrankių aprašai ir užuominos. Vertintojas, biudžetas, sėklos ir rubrika palyginimo metu lieka fiksuoti.
Paleidimo įrašo apimtis
run-2606 reikšmės yra to paleidimo Petri broken_tool_use vidurkiai (mažiau yra geriau). Jos nėra kaupiamojo SIL pagerėjimo ar apibendrinimo įrodymas.