Gli sviluppatori hanno presentato il modello compatto NanoJev per la presa di decisioni

I ricercatori hanno rilasciato NanoJev — un modello specializzato con parametri 0.6B, progettato per compiti di presa di decisioni in tempo reale. L'architettura del sistema supporta l'elaborazione parallela dei dati, che consente di generare distribuzioni di probabilità complete senza la necessità di decodifica autorregressiva classica.

Durante il test, il modello ha dimostrato un'elevata efficienza in ambienti di gioco, tra cui simulazioni di labirinti e il gioco "Zmeya". I risultati dei benchmark mostrano che NanoJev supera le prestazioni dei modelli Jev e Qwen in scenari analoghi. La velocità di esecuzione del sistema è stata di 9 punti secondo una scala di valutazione interna con un tempo di addestramento o inferenza di 10 ore.

L'implementazione tecnica del modello è orientata alla minimizzazione dei costi computazionali mantenendo l'accuratezza della previsione degli stati. L'abbandono della decodifica token per token consente al sistema di reagire più rapidamente ai cambiamenti dell'ambiente, che è critico per i compiti di controllo degli agenti in condizioni dinamiche.

Il rilascio è disponibile in open access su GitHub con licenza gratuita. Gli sviluppatori notano che le dimensioni ridotte del modello consentono di eseguirlo su hardware consumer senza l'uso di potenti GPU server, semplificando l'integrazione in sistemi AI locali e motori di gioco autonomi.