NEAR Protocol联合创始人Illia Polosukhin推出了Delta League,该平台将AI模型改进转变为NEAR Protocol生态内的协作式众包流程。Polosukhin通过其@ilblackdragon账号宣布了这一举措。该平台不依赖单一开发团队,而是允许外部贡献者对AI模型提出修改建议,每一份提交都会通过验证流程和私下测试进行评估。

Delta League如何评估模型改进

参与者可以提交多种类型的模型修改,包括低秩适应(LoRA)文件、稀疏或密集权重差异,以及完整的模型checkpoint。这些提交会改变决定AI模型如何处理信息和生成回应的数值权重。

据Delta League网站介绍,平台会在运行验证流程和私下测试之前对提交的权重进行验证。每项修改都会基于隐藏测试集获得一个分数,使贡献者能够在不接触评估数据本身的情况下,将其性能与原始模型进行比较。保持评估数据的隐藏性可以防止提交内容直接针对被评分的问题进行调优——这是测试集公开时常见的已知缺陷。

该系统还会保留每个已验证模型版本的谱系。贡献者可以将先前提交的改进作为进一步修改的起点,而每个新版本都会与其所修改的模型保持关联。

首场比赛瞄准Qwen3.5 0.8B

首场比赛围绕Qwen3.5 0.8B展开,这是阿里巴巴Qwen系列中一个相对较小的开源模型,0.8B的标识表示约8亿参数。截至目前,五项已验证的修改已将其报告分数从18.6%提升至19%。

尽管改进幅度有限,但初步结果已经提前展示了Delta League的验证与评估流程在实际运行模型上的表现。

架构改动与企业测试已列入路线图

该平台的下一开发阶段预计将超越对模型权重的修改。对模型架构改动的支持计划在近期推出,这可能使参与者能够对模型的结构提出更根本的调整。

Delta League还计划为企业引入定制测试功能。这些测试将允许公司根据自身运营特有的任务和要求来评估提交的修改。

加入架构层面的改动和企业定义的评估,可能会拓宽比赛所接受的贡献类型。不过,这两项能力都被描述为即将推出的功能,而非上线时已可使用的功能。

Polosukhin对开放AI的更广阔愿景

该举措体现了Polosukhin对开放且由用户拥有的人工智能的更广泛兴趣。据Fast Company报道,他是2017年研究论文《Attention Is All You Need》的共同作者,该论文提出了支撑当今大多数现代大语言模型的Transformer架构,他目前还领导NEAR AI的工作。

在被Open Commons总结的一次播客采访中,Polosukhin认为,仅仅公开模型权重不足以使AI系统被称为开源。他还强调了获取训练数据、训练方案和开发方法论的重要性。

Delta League将这一理念付诸实践,把模型开发视为一个共享的改进流程:贡献者提交修改,基于私下数据接受评估,并让已验证的版本可供进一步开发。

这种众包方式能否为更大、更复杂的AI模型带来有意义的改进仍不确定。Qwen3.5 0.8B的初步结果显示出可衡量但幅度有限的提升,而更广泛的表现则需要通过未来的提交来证明。近期关注点包括承诺的架构编辑支持的到来,以及Qwen3.5 0.8B分数能否进一步突破19%。

来源:BSC News