Prime Intellect lanza Verifiers v1; formato de trace DAG elimina crecimiento de datos cuadrático en RL agentico

Prime Intellect lanzó Verifiers 0.2.0 el 10 de julio, un rediseño de base de su biblioteca de ambiente RL de código abierto que resuelve dos problemas críticos de escalamiento para entrenamiento agentico. Primero, presenta un formato de mensaje de gráfo acíclico dirigido (DAG) que elimina el crecimiento de datos cuadrático—anteriormente, cada turno de entrenamiento almacenaba una copia completa del prompt más nueva finalización, por lo que el tamaño de la traza crecía con el cuadrado de la longitud de rollout. Segundo, descompone el ambiente en tres capas independientemente intercambiables (taskset, harness, runtime), reemplazando el diseño monolítico de v0 que requería reescrituras de código siempre que cualquier componente cambiaba.

La arquitectura v1 divide responsabilidad: un taskset define trabajo (datos, herramientas, recompensas), un harness define el solucionador (loop ReAct, Codex, Terminus 2, agente personalizado), y un runtime define ejecución (subprocess/Docker local, o sandboxes en la nube vía Prime, Modal). Esta composabilidad permite a los equipos ejecutar el mismo benchmark bajo diferentes agentes con solo cambios de configuración—Terminal-Bench 2 fue portado a v1 con una sola pequeña clase. Una arquitectura de servidor de interceptación multiplexes 32 rollouts por servidor y se sienta entre agente e inferencia, habilitando mitigación de hacking de recompensa en el lado del servidor e integración más estrecha entre entrenamiento y evaluación.

Para profesionales: el cambio DAG desplaza almacenamiento de traza de O(n²) a O(n), desbloqueando entrenamiento en trayectorias más largas que la ventana de contexto nativa del agente—un bloqueador estructural para tareas SWE de largo horizonte y razonamiento. La prueba interna de Prime Intellect mostró cero overhead vs. Harbor ejecutando tareas idénticas. Los arquitectos que construyen sistemas RL agentico deben esperar que los diseños de ambiente compon ibles se conviertan en estándar; el acoplamiento de ambiente monolítico es ahora un pasivo. La biblioteca tiene más de 4,200 estrellas en GitHub y está integrada con la plataforma de hosting de Prime y vLLM.