Tencent DeepSeek Harness uchun rasmiy plagin bilan WeKnoraʼni ochdi
Batafsil
Pandaily
pandaily.com

Tencent DeepSeek Harness uchun rasmiy plagin bilan WeKnoraʼni ochdi

Tencent WeChat jamoasi korporativ bilimlar platformasi boʻlgan WeKnoraʼni jamoatchilikka taqdim etdi. U hujjatlarni RAG qidiruv stekiga, ReAct uslubidagi agent ijro muhitiga va oʻzini oʻzi saqlaydigan Vikiyga aylantiradi.

GitHubdagi Tencent/WeKnora repozitoriyasi 25 000 dan ortiq yulduzga ega boʻlib, bu loyihani xitoy kelibchi agentlar bazalaridan eng diqqatga sazovorlari qatoriga qoʻyadi. Ushbu ishlab chiquvchilar oddiy chat-interfeysdan koʻra, maʼlumotlarni ajratib olish, vositalardan foydalanish va bitta yechim doirasida uzoq muddatli xotirani taʼminlaydigan tizimga muhtojlar.

WeKnoraʼning soʻnggi versiyalari klassik RAGdan sezilarli darajada ustun. 0.8.0 versiyasining materiallari Docker, E2B va Cube backendlari bilan malaka sandboxini, ijarachilar uchun malaka kataloglarini, profil, afzalliklar, faktlar, vazifalar va qiziqishlarni qamrab oluvchi uzoq muddatli sessiyaarox xotirani, bilimlarni grafiklarini qoʻllab-quvvatlashni, MCPga yoʻnaltirilgan vositalarni va Vikiy uslubida hujjatlarni boshqarishni tavsiflaydi. Bu tizim agentlarning korporativ korpuslarda qidirishi, tarmoq siyosatiga muvofiq malakalarni chaqirishi va sessiyalar oraligʻida barqaror xotirani saqlashi uchun moʻljallangan boʻlib, bu uni bir martalik savollarga javob beruvchi botdan koʻra agentning operatsion darajasiga yaqinlashtiradi.

Rasmiy hujjatlar shuningdek, jamoalar suhbat almashinuvi yuzalarida ham shu bilimlar bazasidan foydalanishi kerak boʻlsa, WeChat Dialog Open Platformining Rasmiy akkauntlar va Mini-dasturlar uchun yoʻllarini koʻrsatadi.

Kodlash agentlari uchun muhim integratsiya mexanizmi — bu @wxg-prc-cpg/dsh-weknora sifatida eʼlon qilingan WeKnora uchun rasmiy DeepSeek Harness plagini. Oʻzi DeepSeek Harness ish stansiyasi qidiruvi va veb-qidiruvni taʼminlasa-da, u ichki joylashuv yoki bilimlar bazasi yoʻliga ega emas; bu plagin toʻldiruvchi boʻlib, WeKnoraʼning joylashtirilgan nusxasiga qarshi toʻrli bilimlar bazasi, gibrid qidiruv, sahifa boʻyicha siljish bilan toʻliq hujjatni oʻqish va WeKnora tomonidan iqtibos keltirilgan javoblar kabi toʻrtta oʻqish vositasini roʻyxatdan oʻtkazadi.

Oʻrnatish dsh plugin --profile web add @wxg-prc-cpg/dsh-weknora buyrugʻi bilan hujjatlashtirilgan boʻlib, bu dsh 0.1.0-rc.8 va WeKnora 0.7.2 da tekshirilgan, bunda maʼlumotlar API kaliti orqali uzatiladi va korpusga yozish yoʻllari mavjud emas.

Agentlar ish oqimlar uchun DeepSeek Harnessni baholayotgan jamoalar uchun WeKnora korporativ maʼlumotlarni ajratib olishning yetishmayotgan qismini tashkil etadi: hujjatlar WeKnoraʼda saqlanadi, agent esa ularni vositalar sifatida chaqiradi, indekslash va chunklarni boshqarishni esa WeKnora tomonida qoldiradi. Bunday fokus ushbu hikoyani DeepSeek Harness funksiyalarining oddiy eʼlonlaridan farqlaydi. Biroq, operatorlar bunday kombinatsiyani ishlab chiqarishga tayyor deb hisoblashdan oldin sandbox izolyatsiyasini, API kalitlarini qayta ishlashni va iqtibos keltirish sifatini oʻz korpuslarida mustaqil tekshirishlari kerak.

Oʻxshash hikoyalar

DeepCybo PhysBrain 1.5 ni chiqardi — 28 ta benchmarkda 72.5 natijaga ega ochiq fizik asosiy model
Batafsil
pandaily.com

DeepCybo PhysBrain 1.5 ni chiqardi — 28 ta benchmarkda 72.5 natijaga ega ochiq fizik asosiy model

DeepCybo kompaniyasi dunyo tushunishini, harakatlarni yaratishni va kelajak holatlarini bashorat qilishni bitta avtoregressiv yadroda birlashtirgan PhysBrain 1.5 nomli fizik asosiy modelni taqdim etdi. Ushbu model Qwen3-VL asosida qurilgan va harakatlar hamda vizual holat uchun tokenlar yordamida kengaytirilgan.

Aniqlik kiritilganda, 8 milliard parametrlik namuna inson dunyosi bilan bogʻliq 28 ta jamoatchilik benchmarki boʻyicha umumiy 72.5 ballni koʻrsatadi. Bu ochiq kodli modellar orasidagi birinchi natija sifatida eʼlon qilingan va nashr etilgan loyiha jadvaliga koʻra, GPT-6 Astra (73.3) va Gemini 3.6 Flash (73.0) kabi yetakchi maxfiy tizimlarga taxminan bir ball masofada joylashgan.

DeepCybo hisobotiga koʻra, PhysBrain 1.5-8B versiyasi 28 ta benchmarklardan 14 tasi boʻyicha birinchi oʻrinni, ochiq kodli modellar orasida esa 10 tasi boʻyicha ikkinchi oʻrinni egallaydi. Ushbu vazifalar vizual-fazoviy idrok, koʻp burchakli fikrlash, inson dunyosini rejalashtirish, imkoniyatlarni mustahkamlash va vizual iz qoldirish vazifalarini qamrab oladi.

Yengilroq PhysBrain 1.5-2B versiyasi shu sinov toʻplami boʻyicha 66.6 natijani koʻrsatib, reytingdagi asosiy raqobatchi emas, balki mos keladigan joylashtirish vositasi sifatida xizmat qiladi. Ikkala versiyaning ogʻirligi, texnik hisobot va baholash toʻplami DeepCybo / PhysBrain 1.5 loyihasi doirasida Hugging Face va GitHub platformalarida mavjud.

Oʻquv jarayoni yopiq fizik sikl orqali amalga oshirilgan: kuzatish, fikrlash va mustahkamlash, harakatni bajarish, soʻngra dunyodagi oʻzgarishlarni bashorat qilish. Til javoblari, fazoviy tuzilmalar, ActionPiece tokenlari orqali effektuatorning yoʻnalishlari, shuningdek, kelajakning RGB, chuqurlik va robot maskasi bilan uygʻun kadrlari bitta umumiy maqsadni — keyingi tokenni qoʻllab-quvvatlaydi, alohida vazifa boshlari ishlatilmaydi.

Oldindan oʻqitish inson oʻzaro aloqaning videoyozuvlariga (egotsentrik, ego-ekzotsentrik va panoramik rejimlarda) asoslangan. Qoʻshimcha nozik sozlash DeepCybo ning Human-as-Humanoid harakatlar koʻprigʻidan foydalangan holda inson namunalari, haqiqiy robotlar yoʻnalishlari va simulyatsiyani aralashtirish orqali amalga oshirildi.

Intern W0, Motus2 yoki Cog-WM kabi boshqa xitoy ochiq liniyalari bilan solishtirganda, PhysBrain 1.5 faqat bitta robot uchun siyosat namunasini koʻrsatmasdan, koʻplab benchmarklarda ustunlikka ega asosiy modelni chiqaradi. Ushbu modeldan foydalanuvchi jamoalarga baholash paketini qayta ishga tushirish, ActionPiece uzatilishini oʻz manipulyatorlarida oʻrganish va 72.5 agregat koʻrsatkichini taqqoslash uchun boshlangʻich nuqta sifatida koʻrish, uni darhol qoʻllash imkoniyati bilan bogʻlamaslik tavsiya etiladi.

Mashhur