Viene presentato il modello compatto NanoJev per la gestione degli agenti di gioco

I sviluppatori hanno presentato NanoJev — un modello linguistico specializzato con 0,6 miliardi di parametri, progettato per prendere decisioni in ambienti di gioco. L'architettura del nuovo modello si basa su Qwen3 e ottimizzato per eseguire compiti in Maze, Snake e ViZDoom.

Durante il test, il modello ha dimostrato la sua superiorità rispetto alla versione originale di Jev e al modello base Qwen senza ulteriore adattamento. L'attenzione principale durante l'addestramento è stata posta sull'aumento della precisione delle decisioni in condizioni di risorse computazionali limitate, il che consente di eseguire il sistema su dispositivi con bassa quantità di memoria.

Le caratteristiche tecniche di NanoJev includono l'uso di pesi specializzati, adattati alle specifiche della meccanica del gioco. Il modello mostra risultati stabili nei compiti di navigazione e controllo del personaggio, dove è richiesta una velocità di elaborazione dei dati di input in tempo reale. Il codice sorgente e i pesi del modello sono già disponibili per il download nel repository sulla piattaforma Hugging Face.

Il rilascio di NanoJev estende le possibilità per la creazione di agenti AI leggeri in grado di funzionare in simulazioni di gioco senza ricorrere alle risorse cloud. L'uso dell'architettura Qwen3 come fondamento garantisce un equilibrio tra compattezza e qualità dell'elaborazione del contesto, che è fondamentale per i sistemi di controllo autonomi in ambienti dinamici.