Tiêu đề gốc: Thinking Fast, Anywhere: One System-1 for the Decision Points of Any Agent Workflow
Nhiều bước của tác nhân chỉ đơn thuần là chọn một trong số các tùy chọn đã biết (định tuyến, phân loại, chọn công cụ, kiểm tra trạng thái), nhưng lại gọi mô hình lớn mỗi lần. AnyS1 tận dụng đặc điểm của các kỹ năng quy trình do con người viết như SKILL.md, vốn đã ghi rõ “nơi đưa ra lựa chọn và các tùy chọn có sẵn”: khai thác các điểm ra quyết định từ 1,072 kỹ năng công khai ngoại tuyến, thực thi các dấu vết trong các container cách ly, thu thập trạng thái thực tế, xây dựng tập dữ liệu Any-DP, và huấn luyện một mô hình con trỏ 4B với làm mượt nhãn và độ tin cậy được hiệu chỉnh (dựa trên Qwen3.5-4B-Base cộng với LoRA). Khi chạy, kỹ năng được biên dịch thành ba loại nút: các kiểm tra xác định được viết trực tiếp thành các câu lệnh điều kiện Python, các lựa chọn có thể liệt kê được quyết định bởi một lần truyền tiến của mô hình nhỏ, và nếu độ tin cậy thấp hơn ngưỡng thì chuyển giao cho mô hình lớn, còn việc tạo sinh mở vẫn do mô hình lớn đảm nhiệm. Bài báo cáo rằng độ tin cậy của tác vụ không đổi trên ba tiêu chuẩn chưa từng thấy trong quá trình huấn luyện, chi phí mỗi lượt giảm 75–91% so với tác nhân mô hình lớn chưa được biên dịch, và thời gian gọi mô hình giảm 63–92%.
Tại sao quan trọng Việc gọi mô hình lớn ở mỗi bước của tác nhân vừa đắt vừa chậm; phương pháp này không cần viết móc nối riêng cho từng quy trình làm việc, cùng một mô hình nhỏ có thể được sử dụng trực tiếp trên các kỹ năng chưa từng thấy
Thích 5 · Số sao mã nguồn 2
Lý do
- README liệt kê ba tiêu chuẩn là SOPBench, ALFWorld và WebShop, với mô hình lớn lần lượt được thay thế bằng DeepSeek-V4.1-Flash và GPT-6 Sol để kiểm tra, sử dụng cùng một điểm kiểm tra AnyS1-4B, không huấn luyện lại
- Tác giả cho biết một lần ra quyết định của mô hình nhỏ mất 22–32 mili giây trên một card H100; ngưỡng khởi động lạnh 0.918 có thể chuyển giao trực tiếp, hoặc có thể hiệu chỉnh bằng khoảng 50 lần chạy bóng không có nhãn
- Trọng số smSquirrel/AnyS1-4B và tập dữ liệu smSquirrel/SkillDP đã được công bố, mã nguồn theo giấy phép Apache-2.0
Cách sử dụng
- Mã nguồn: Cài đặt bằng https://github.com/middle-chunjie/AnyS1;pip install -e ., để chạy mô hình nhỏ cục bộ thì cài thêm ".[train]", khởi động dịch vụ bằng lệnh python -m anys1.model.serve_s1 --checkpoint smSquirrel/AnyS1-4B --port 8895
- anys1 compile SKILL.md của bạn -o thư mục đầu ra: mặc định gọi mô hình lớn ba lần để trích xuất các điểm ra quyết định (cần OPENAI_API_KEY), thêm --offline để chuyển sang phân tích cú pháp cấu trúc không gọi API; tạo ra decisions.json, SKILL.anys1.md có móc nối quyết định và workflow.py
- anys1 mcp --compiled thư mục đầu ra --s1-url http://127.0.0.1:8895/decide để tích hợp như một dịch vụ MCP vào Claude Code, Cursor, OpenHands; anys1 calibrate sử dụng nhật ký chạy bóng để khớp ngưỡng
Rủi ro
- Mức độ giảm chi phí được so sánh với tác nhân mô hình lớn “chưa được biên dịch”; bảng trong README cho thấy chỉ riêng việc biên dịch kỹ năng thành quy trình làm việc (tất cả vẫn do mô hình lớn xử lý) đã tiết kiệm được 56–86%, mức tiết kiệm bổ sung do mô hình nhỏ mang lại cần xem xét sự khác biệt giữa hai con số này
- Cần tự chuẩn bị một card đồ họa để chạy mô hình 4B; các kết quả đều do tác giả báo cáo, mục này chưa được chạy thử
Mở · Mã nguồn · Trang bài báo