LV
Geodi, GEODE oficiālais pikseļu tēls
Atpakaļ uz zāli

GEODE

Autonomous Agent Harness

No novērojuma līdz nākamajai darbībai.

Lokāls autonoma aģenta ietvars, kam var uzticēt izpēti, darbu ar failiem un ieplānotus uzdevumus.

2026.02.21 — present

Projektēšana, spriedums, verifikācija: Author · implementācija: Claude · pārskatīšana: Codex

  • CLIPublicēts · PyPI
  • MCP serverisImplementēts

Vienlaikus mainīt vienu politiku; mērījumu turēt fiksētu.

Atsevišķs cikls, kas darbojas ārpus ietvara. No bāzlīnijas tas piemēro vienu tipizētu politikas izmaiņu, un tas pats Petri audits un vārti izlemj starp KEEP un atjaunošanu.

SIL karte · zīmēta pēc fiksētā komita 9e2c041 evolve ceļiem un 2026. gada jūnija palaidiena ieraksta
GEODE politikas meklēšanas (SIL) kartePolitikas meklēšanas cikls, kas darbojas ārpus izpildvides. Apstiprināts palaidiena līgums fiksē budžetu, sēklas, rubriku un modeļus, un mutators maina vienu politiku no septiņām atļautajām virsmām. measure.py ar to pašu aparatūru caur Petri auditē GEODE; fitness.py un gate.py pēc kritiskas regresijas un paaugstināšanas noteikumiem izlemj KEEP vai atgriešanu; ledger.py raksta bāzlīniju un rezultātu rindas. 2026. gada jūnija palaidiens nošķīra audita troksni no mutācijas efekta ar nemainītu never zaru, K=5 bāzlīniju un atkārtotu mērīšanu.Operatora apstiprinājumslive izsaukumi · budžetsPetri auditsauditor · GEODE target · judgeprogram.mdpalaidiena līgums · modeļi · budžetsapturēšanas noteikumi · palaidiens pēc apstiprinājumatrain.pyfiksēta budžeta cikls--replicate K · atkārtota mērīšanaloop/mutatemutators · viens kandidāts7 virsmas · bez hiperparametriemstate/policiesfailā glabāta politikaprepare.pysēklu kopa · rubrika fiksētameasure.pyaudita apakšprocess · fiksēts taimautspolitikai specifisks OVERRIDE · STRICTfitness.pykritiska regresija · sodiledger.pybaseline · provenancerezultātu · mutāciju rindasgate.py_should_promote · KEEP_reject_and_revertcore · politikas ielādētājiuzvednes zars · system_prompt.py6 politikas ielādētāji · tool, skill…run-2606-broken-tool-usegen-0 bāzlīnija · 5 auditu vidējaisnever zars · nemainīta kontrolerandom · gate zariatkārtojums · viena KEEP atkārtota mērīšanaevolve/scaffold_searchārējs meklēšanas cikls · ārpus izpildvideskandidāta izmaiņaviena katrā palaidienāmērījumu aparatūrafiksēta salīdzināšanas laikārun-2606 · 2026. gada 3.–4. jūnijsbroken_tool_useAuditējamais GEODEmainās tikai atļautās politikas1 apstiprinājums · Operatora apstiprinājums → palaidiena līgums · modeļi · budžets12 palaidiena līgums · palaidiena līgums · modeļi · budžets → fiksēta budžeta cikls23 pieprasīt vienu kandidātu · fiksēta budžeta cikls → mutators · viens kandidāts34politikas izmaiņa · mutation ID5 sēklas · rubrika fiksēta · sēklu kopa · rubrika fiksēta → audita apakšprocess · fiksēts taimauts56izvēlētā politika7politikai specifiski override ceļi8audit subprocess9audita dialogs1dimensiju vērtējumi2 baseline · provenance · baseline · provenance → kritiska regresija · sodi23 fitness · regresijas iemesli · kritiska regresija · sodi → _should_promote · KEEP34KEEP · nākamā bāzlīnija5REJECT · atjaunot iepriekšējo6rezultāts · verdikta rinda1trīs zari2K=5 vidējā bāzlīnija3mērīšana bez izmaiņām4--replicate K5atkārtota mērīšana → atgriešana

Viena izmaiņa → audits

Ar fiksētu palaidiena līgumu mainās viena atļauta politika, un GEODE tiek auditēts ar to pašu aparatūru. Tas nav darbojošs produkts, kas pārraksta pats sevi.

  1. Operatora apstiprinājumsapstiprinājumspalaidiena līgums · modeļi · budžetsprogram.md

    Palaidiens sākas tikai pēc live izsaukumu un fiksētā budžeta apstiprināšanas. Bez apstiprinājuma tiek sagatavots un bezsaistē pārbaudīts tikai līgums.

  2. palaidiena līgums · modeļi · budžetsprogram.mdpalaidiena līgumsfiksēta budžeta ciklstrain.py

    Sēklu un rubrikas revīzijas, lomu modeļi un akreditācijas datu avoti, mērīšanas iestatījumi, iterāciju, laika un izmaksu budžeti, paaugstināšanas politika un apturēšanas nosacījumi tiek fiksēti pirms palaidiena.

  3. fiksēta budžeta ciklstrain.pypieprasīt vienu kandidātumutators · viens kandidātsloop/mutate

    Viena ar pierādījumiem pamatota hipotēze maina vienu atļautu politikas virsmu.

  4. 7 virsmas · bez hiperparametriemloop/mutatepolitikas izmaiņa · mutation IDfailā glabāta politikastate/policies

    Mainīties drīkst tikai septiņas virsmas: apvalka uzvedne, rīku politika, sadalīšanas ieteikumi, refleksija, prasmju kataloga metadati, aģenta līgums (role, system_prompt, tools) un rīku apraksti un mājieni. Hiperparametru izmaiņas tiek noraidītas gan parsēšanā, gan piemērošanā. Politikas piemērošana, atkārtota mērīšana un neobligāts komits ir atsevišķi soļi, tāpēc piemērošana pati par sevi nav audits.

  5. sēklu kopa · rubrika fiksētaprepare.pysēklas · rubrika fiksētaaudita apakšprocess · fiksēts taimautsmeasure.py

    prepare.py ir fiksēta atsauce sēklu kopai un rubrikai; kandidāti to nemaina. Mērīšanas moduļa maiņa maina mērījumu, nevis testējamo sistēmu.

  6. failā glabāta politikastate/policiesizvēlētā politikapolitikai specifisks OVERRIDE · STRICTmeasure.py

    measure.py nolasa pašlaik izvēlēto politikas failu un nodod to audita videi.

  7. politikai specifisks OVERRIDE · STRICTmeasure.pypolitikai specifiski override ceļicore · politikas ielādētāji

    measure.py nodod audita apakšprocesam apvalku un politikai specifiskos override un strict ceļus, un izpildvides atbilstošais politikas ielādētājs nolasa katru no tiem. Apvalks (GEODE_WRAPPER_OVERRIDE → system_prompt) ir viens zars; papildu vides atslēgas nepaplašina septiņas maināmās virsmas. Rediģēts fails vien nepierāda, ka kandidāts sasniedza mērķi; to apstiprina audita pierādījumu diagnostika.

  8. audita apakšprocess · fiksēts taimautsmeasure.pyaudit subprocessPetri audits

    Audits tiek palaists ar fiksētu taimautu un budžetu, kas salīdzināšanas vidū nekad netiek mainīti. Trūkstoša izvade ir diagnostikas robs, nevis nulles vērtējums.

  9. Petri auditsaudita dialogscore · politikas ielādētāji

    Auditors sarunājas ar GEODE caur sēklas scenāriju, un tiesnesis vērtē transkriptu.

Verdikts → paturēt · atjaunot

Salīdzinot ar tā paša līguma bāzlīniju, KEEP izlemj kritiskās regresijas un paaugstināšanas noteikums; noraidīta izmaiņa tiek atjaunota uz reģistrēto iepriekšējo vērtību.

  1. Petri auditsdimensiju vērtējumikritiska regresija · sodifitness.py

    Vērtējumiem pievienotas trūkstošās dimensijas un paraugu skaits. Neizmērīta dimensija netiek uzskatīta par novērojumu.

  2. baseline · provenanceledger.pybaseline · provenancekritiska regresija · sodifitness.py

    Salīdzināšanā izmanto tikai bāzlīniju ar to pašu reģistrēto līgumu un epoch. Jauns Git zars neizolē bāzlīnijas stāvokli.

  3. kritiska regresija · sodifitness.pyfitness · regresijas iemesli_should_promote · KEEPgate.py

    Vispirms tiek pārbaudītas kritisko dimensiju regresijas un papildu sodi, pēc tam starpības vai mērķa dimensijas tests. Pozitīvs skalārs vien nekad nenoved pie paaugstināšanas.

  4. _should_promote · KEEPgate.pyKEEP · nākamā bāzlīnijabaseline · provenanceledger.py

    Paturēts kandidāts kļūst par nākamo bāzlīniju. Lokāli paturēts kandidāts nav repozitorija merge vai laidiens.

  5. _reject_and_revertgate.pyREJECT · atjaunot iepriekšējofailā glabāta politikastate/policies

    Runner izveidotam kandidātam tiek atjaunota politikas sadaļa, kas reģistrēta zem tā mutation ID, un neizdevusies atjaunošana tiek atzīmēta. Manuālas izmaiņas automātiski netiek atjaunotas, un nedroša atjaunošana aptur nākamo kandidātu.

  6. _should_promote · KEEPgate.pyrezultāts · verdikta rindarezultātu · mutāciju rindasledger.py

    Mērījums, verdikts un izcelsme tiek vienreiz ierakstīti kā rezultātu rindas; vēsturiskās rindas nekad netiek pārrakstītas.

Kontroles · atkārtota mērīšana

2026. gada jūnija palaidiens: nemainīts never zars un K=5 bāzlīnija izmērīja audita troksni atsevišķi, un viena audita KEEP tika atkārtoti pārbaudīts ar atkārtojumiem.

  1. run-2606-broken-tool-usetrīs zarifiksēta budžeta ciklstrain.py

    2026. gada 3.–4. jūnija palaidiens nošķīra dreifu no mutācijas efekta ar trim zariem: never (bez izmaiņām), random (nejauša pieņemšana) un gate (pieņemts pēc verdikta). Mērķis bija GPT-5.5; auditors un tiesnesis — Claude Opus 4.8.

  2. gen-0 bāzlīnija · 5 auditu vidējaisrun-2606-broken-tool-useK=5 vidējā bāzlīnijabaseline · provenanceledger.py

    gen-0 bāzlīnija bija piecu auditu vidējais (Petri broken_tool_use, mazāks ir labāks, vidēji 2.667).

  3. never zars · nemainīta kontrolerun-2606-broken-tool-usemērīšana bez izmaiņāmaudita apakšprocess · fiksēts taimautsmeasure.py

    never zars bez jebkādas politikas izmaiņas aizdreifēja līdz vidēji 3.38 (10 auditi, mazāks ir labāks): tiešs pierādījums, ka audita troksnis pārsniedza mutācijas efektu.

  4. --replicate K · atkārtota mērīšanatrain.py--replicate Kaudita apakšprocess · fiksēts taimautsmeasure.py

    To pašu kandidātu tādos pašos apstākļos izmēra vēl K reizes, lai atsijātu veiksmīgu vienreizēju auditu.

  5. atkārtojums · viena KEEP atkārtota mērīšanarun-2606-broken-tool-useatkārtota mērīšana → atgriešana_reject_and_revertgate.py

    Kandidāts, kas paturēts pēc viena gate audita (1.6), atkārtojumos uzrādīja 3.0–3.8, sliktāk par bāzlīniju, tāpēc tika atjaunots čempions 2.667. Palaidiena secinājums: skaidra uzlabojuma nav.

Visi savienojumi ar vienādu svaru. Izvēlieties plūsmu, lai izceltu tikai tās ceļu ar numurētiem soļiem.

  • Nepārtraukta · pieprasījumu, kandidātu un rezultātu plūsmas virziens
  • Raustīta · izpilde, lēmums, pilnvarošana, konfigurēšana
  • Gara svītra-punkts · ieraksti un novērošana, nošķirti no verdikta
  • Bieza melna līnija · izvēlētā plūsma; skaitļi norāda secību
  • Rāmis · koda vai ierakstu robeža, ceļš galvenē
  • Iekšējā plāksnīte · komponents šajā robežā
  • Raustīts rāmis · ārpus šīs robežas
  • cikls · mērīšanas palaidiens
  • līgums · verdikts
  • politika · ieraksti
  • izmaiņa · auditētais mērķis · palaidiena ieraksts

GEODE SIL draivera nosaukums ir autoresearch; tā prepare/train/program uzbūve un fiksētais budžets aizgūti no Karpathy autoresearch. Modeļa svari nemainās, un aparatūra un budžets salīdzināšanas laikā paliek fiksēti.

Kas drīkst mainīties
Septiņas virsmas: apvalka uzvedne, rīku politika, sadalīšanas ieteikumi, refleksija, prasmju kataloga metadati, aģenta līgums un rīku apraksti un mājieni. Novērtētājs, budžets, sēklas un rubrika salīdzināšanas laikā paliek fiksēti.
Palaidiena ieraksta tvērums
run-2606 vērtības ir šī palaidiena Petri broken_tool_use vidējie (mazāks ir labāks). Tās nav pierādījums SIL kumulatīvam uzlabojumam vai vispārināmībai.