google-deepmind/simply

해결하는 문제

최첨단 LLM 연구를 위한 최소한의 확장 가능한 연구 코드베이스를 제공합니다. 새로운 옵티마이저, 학습 손실 또는 RL 알고리즘과 같은 새로운 아이디어를 연구자(인간 및 AI 에이전트 모두)가 구현하고 반복하는 데 걸리는 시간을 줄이는 것을 목표로 합니다.

작동 방식

JAX로 구축된 이 코드베이스는 자기 완결적이고 수정하기 쉽도록 최소한의 추상화와 종속성으로 설계되었습니다. 로컬 머신, Google Cloud TPU 및 XPK를 사용한 GKE에서 실험을 실행하는 것을 지원합니다. 자동화된 연구를 촉진하기 위해 AI 에이전트가 코드를 읽고, 아이디어를 제안하고, 자율적으로 실험을 실행할 수 있도록 하는 내장 에이전트 하네스(Amplio와 같은)가 포함되어 있습니다.

대상

신속한 LLM 실험을 위한 가볍고 확장 가능한 프레임워크를 원하는 AI 연구자 및 개발자, 그리고 AI 에이전트를 사용하여 연구 프로세스를 자동화하는 데 관심이 있는 분들.

주요 특징

• 미니멀리즘 설계: JAX를 사용하여 포크 및 수정이 용이한 단순하고 자기 완결적인 코드베이스를 사용합니다.
• 자동화된 연구: AI 에이전트가 자율적으로 새로운 LLM 구성 요소를 설계하고 벤치마킹할 수 있는 환경으로 특별히 설계되었습니다.
• 확장 가능한 인프라: Cloud TPU 및 Google Kubernetes Engine (GKE)에 대한 네이티브 지원을 제공합니다.
• 에이전트 하네스: 내장된 에이전트 하네스와 지속성 및 웹 UI를 갖춘 장기 자율 연구 작업을 위한 Go 기반 하네스인 Amplio가 포함되어 있습니다.