NEAR Protocol 共同創辦人 Illia Polosukhin 推出了 Delta League，這是一個將 AI 模型改進轉化為 NEAR Protocol 生態系內協作式群眾外包流程的平台。Polosukhin 透過其 @ilblackdragon 帳號宣布了這項計畫。該平台不依賴單一開發團隊，而是允許外部貢獻者對 AI 模型提出修改建議，每項提交都會透過驗證程序與私密測試進行評估。

Delta League 如何評估模型改進

參與者可以提交多種類型的模型修改，包括低秩適應（LoRA）檔案、稀疏或稠密權重差異，以及完整的模型 checkpoint。這些提交會改變決定 AI 模型如何處理資訊並生成回應的數值權重。

根據 Delta League 網站，該平台會先驗證提交的權重，再執行驗證程序與私密測試。每項修改都會依據一個隱藏測試集獲得評分，讓貢獻者能將其效能與原始模型進行比較，且無法存取評估數據本身。將評估數據保密，可防止提交內容直接針對被評分的題目進行調校——這是測試集公開時的已知弱點。

該系統還會保留每個經驗證模型版本的譜系。貢獻者可以將先前提交的改進作為進一步修改的起點，而每個新版本都與其修改前的模型保持連結。

首屆競賽以 Qwen3.5 0.8B 為目標

首屆競賽圍繞 Qwen3.5 0.8B 展開，這是阿里巴巴 Qwen 系列中一個相對小型的開源模型，0.8B 的標示代表約 8 億個參數。目前已有五項經驗證的修改，將其公布分數從 18.6% 提升至 19%。

儘管改進幅度有限，這些初步結果仍提前展示了 Delta League 的驗證與評估流程在實際運行模型上的表現。

架構變更與企業測試已列入路線圖

該平台的下一個開發階段預計將超越對模型權重的修改。對模型架構變更的支援計畫於近期內推出，可能讓參與者對模型的結構提出更根本的調整。

Delta League 也計畫為企業導入客製化測試功能。這些測試將允許企業針對其自身營運特定的任務與需求，評估提交的修改。

加入架構層級的變更與企業定義的評估，可能會擴大競賽接受的貢獻類型。不過，這兩項功能都被描述為即將推出的功能，而非上線時即已提供的功能。

Polosukhin 對開放 AI 的更大願景

此計畫反映了 Polosukhin 對開放且由用戶持有的人工智慧的廣泛關注。他是 2017 年研究論文「Attention Is All You Need」的共同作者，該論文提出了支撐當代大多數大型語言模型的 Transformer 架構；根據 Fast Company 報導，他目前領導 NEAR AI 的工作。

在被 Open Commons 摘要整理的播客訪談中，Polosukhin 主張，僅將模型權重公開並不足以讓一個 AI 系統稱為開源。他也強調存取訓練資料、訓練配方與開發方法論的重要性。

Delta League 將這一理念付諸實踐，把模型開發視為一個共享的改進流程：貢獻者提交變更、依私密數據進行評估，並讓經驗證的版本可供進一步開發。

這種群眾外包方式能否為更大、更複雜的 AI 模型帶來實質改進，仍存在不確定性。Qwen3.5 0.8B 的初步結果顯示出可衡量但有限的提升，而更廣泛的效能仍需透過未來的提交來證明。近期的觀察指標包括承諾中的架構編輯支援是否如期推出，以及 Qwen3.5 0.8B 的分數是否進一步突破 19%。

來源：BSC News