研究人员介绍了缪斯奇迹并讨论了其能力。播放位置 0:00 的 0:00 一个领先个人和专业代理的前沿模型今天，我们很高兴地介绍缪斯奇迹系列，包括缪斯奇迹和缪斯奇迹全版，这是我们最强大的模型，能够在个人和专业代理任务中提供最先进的性能。它们共同标志着我们扩展阶梯上的下一步，更是迈向个人超智能的重大飞跃。缪斯奇迹将主动记忆和主动关注结合在一起，以追踪对您重要的内容，并努力实现您想要达成的目标。缪斯奇迹今天可以通过Meta模型API和缪斯代码获得，而缪斯奇迹全版今天可供缪斯代码订阅者使用。缪斯奇迹很快将在缪斯中驱动体验，并将首先向订阅者推出。缪斯奇迹还将支持需要更多智能的人工制品生成和流程。未来，我们将利用缪斯奇迹开发专门模型，以便我们能将其带给所有使用缪斯的人。向个人超智能的扩展十四个月前，我们开始全面改革我们的人工智能工作。在此期间，我们从基础原理重建我们的技术堆栈，到推动前沿。当我们推出缪斯火花时，我们概述了可预测、严谨扩展的方法。今天的发布在预训练和强化学习的基础上构建，交付了我们迄今为止最强大的模型。在我们的千兆瓦级普罗米修斯数据中心进行了训练，缪斯奇迹和缪斯奇迹全版汇集了Meta各团队的努力，为复杂的工作和日常生活任务提供了前沿能力——向将个人超智能带给亿万使用我们产品的人们迈出的又一步。前沿能力模型亮点缪斯奇迹系列在个人和专业代理、记忆和编码的关键基准测试中取得了业内领先的成果。以下完整结果将缪斯奇迹和缪斯奇迹全版与其他前沿模型进行了广泛评估。有关我们评估的更多详细信息，请参见我们的报告。上述结果提供了模型性能的宽泛视图。现在，我们将更仔细地看看四个与他们在现实世界任务中工作相关的领域：领域专业知识、主动记忆、主动关注和前沿编码。领域专业知识缪斯奇迹和缪斯奇迹全版将专业知识应用于人们在工作和日常生活中遇到的问题，从理解租赁协议到理解财务或健康信息。我们的评估包括法律、金融和健康等领域的任务，测试这一能力。例如，哈维的法律代理基准（LAB）要求模型处理源文件，并遵循详细说明以生成法律工作产品。主动记忆朝着实用的个人和专业代理迈出的最关键的一步是可靠的记忆。模型需要记住重要的内容，并在早期信息变得相关时加以识别。我们称之为主动记忆：在交谈中携带您重要的上下文并积极检索与当前任务相关的详细信息。主动关注利用这些上下文来完成任务还需要持续的努力。主动关注描述了缪斯奇迹如何继续朝着具有挑战性的目标工作：尝试不同的方法、解决障碍并适应新信息。在此过程中，它在需要时要求澄清，并在采取重要行动之前进行检查。我们通过FocusBench评估关注，通过SWE-Marathon评估持续执行，该测试在长时间运行的软件项目上进行工作。前沿编码编码将这些能力结合在一起。构建软件需要跟踪需求、在代码库中进行更改和处理反复的测试和修改周期。缪斯奇迹和缪斯奇迹全版在前沿编码性能上表现出色，支持从小型应用程序到复杂软件的项目。我们对这两个模型进行了多样化、持续的任务训练，以帮助它们在这个过程中保持进展。加载演示缪斯奇迹根据可自定义的图像输入构建一个可播放的3D厨房游戏。具有普遍适应性的能力两个模型通常在基准测试分数上相似，但其中一个似乎能够处理更广泛的陌生任务。这就是“基准最大化”的抱怨和对“大模型气味”的赞美所涉及的：一种能力的广度，而几种领域的流行基准无法完全捕捉。为了量化这种不匹配，我们调查了训练后针对任务的表现与在扩展测试时间计算时对不熟悉任务的表现之间的关系。下面的图表比较了缪斯火花1.3和缪斯奇迹全版，每个点表示在不同推理努力下的表现。横轴显示模型在我们集中注意力的后期训练任务代表的复合指标上的得分（“在分配内”）