OpenEvol : Pipeline d'auto-amélioration hors ligne pour LLMs utilisant l'historique des conversations

Ce que fait OpenEvol

OpenEvol est un pipeline d'auto-amélioration hors ligne pour les grands modèles de langage qui convertit automatiquement l'historique des conversations d'IA en données d'entraînement. L'outil extrait les échanges à haute valeur ajoutée des conversations, évalue leur qualité et génère des ensembles de données de fine-tuning sans étiquetage manuel ni roues de données propriétaires.

Comment ça fonctionne

Le pipeline passe par quatre étapes automatisées :

• Extraire les échanges à haute valeur ajoutée des conversations
• Évaluer la qualité à l'aide de règles avec un LLM enseignant optionnel
• Synthétiser des ensembles de données SFT, de préférence et de pré-entraînement
• Effectuer le fine-tuning avec une seule commande

Cela crée une boucle fermée où le modèle apprend de sa propre expérience.

Détails techniques

Aucun GPU n'est requis pour commencer - le pipeline complet fonctionne sur CPU avec un backend enseignant fictif ou compatible OpenAI. Vous pouvez ajouter un GPU lorsque vous êtes prêt à entraîner.

Cinq backends d'enseignants sont pris en charge :

• Fictif
• Basé sur des règles
• API compatible OpenAI (tout proxy local fonctionne)
• HuggingFace Transformers
• vLLM

Options d'utilisation

Trois façons d'utiliser OpenEvol :

• CLI pour les exécutions par lots hors ligne
• Serveur API REST pour l'automatisation
• Plugin de bureau OpenClaw qui vous permet de déclencher des exécutions de pipeline directement depuis le chat

Contrôle qualité

Chaque lot est automatiquement noté. Si le taux d'approbation descend en dessous de 80%, l'entraînement est bloqué et signalé pour examen humain, donnant aux utilisateurs le contrôle sur les données utilisées pour l'entraînement.

Ce type d'outil est utile pour les développeurs qui souhaitent améliorer leurs agents d'IA de codage en utilisant l'historique réel des conversations sans envoyer de données à des services externes.