代码生成
Project Padawan
Project Padawan 是 GitHub 推出的 AI 驱动的软件工程智能体,支持从代码生成到提交 PR 的全流程自动化。具备环境管理、代码优化、测试验证、智能推断等功能,适用于漏洞修复、新功能开发、代码重构等场景。运行于安全云沙箱中,提升开发效率,助力开发者聚焦创造性工作。
Verifier Engineering
Verifier Engineering是一种创新的后训练方法,通过搜索、验证和反馈三个阶段优化基础模型性能。它采用目标条件马尔可夫决策过程(GC-MDP),结合线性与树搜索算法,对模型输出进行动态调整。其验证器分类涵盖多种形式和粒度,并支持基于训练和推理的反馈方式。这项技术已在自然语言处理、代码生成、教育和内容安全等领域展现广泛潜力,成为提升模型鲁棒性和智能化水平的重要工具。
OpenThinker
OpenThinker-32B 是一款由多所高校联合开发的开源推理模型,拥有 328 亿参数和 16,000 token 上下文支持,以高效的数据利用和严格的质量控制著称。模型基于少量数据实现优异性能,适用于数学、科学、代码生成等多种推理任务。全面开源,提供模型权重、代码和数据集,支持研究与开发扩展。