我构建了LOLM:一个更低成本、支持实时控制决策和密封运行收据的LLM智能体
摘要
LOLM的构建者宣布推出Qira开发的Transformer-SSM混合语言模型与智能体系统,具备实时决策控制器、运行收据、CLI、编码沙箱、MCP支持以及更低成本的托管访问。
我是LOLM的构建者之一,LOLM是Qira开发的一个Transformer-SSM混合语言模型与智能体系统。核心思想是,智能体不应仅仅生成文本和调用工具。LOLM暴露了一个控制器,可以决定何时继续、检索证据、验证、分支或终结,并生成一份运行收据,展示运行过程中发生了什么。
现已提供:
- 实时智能体演示
- 用于提问、代码任务和小型HTML构建的CLI
- 隔离式编码沙箱
- 本地/自托管路径
- MCP支持
- 显式失败状态和运行收据
- 托管访问,设计成本远低于主流前沿智能体产品
尝试:https://lolm.imagineqira.com/try.html
仓库:https://github.com/TheArtOfSound/lolm
我在寻找愿意给它一个真实任务、把它用到失败,并明确指出哪些地方感觉薄弱、缓慢、混乱或不可信的人。严厉的技术批评比模糊的鼓励更有用。
披露:我是该项目的创始人/构建者。
相似文章
我构建了一个开源代理,其推理核心融合了多个LLM(面板、裁判、合成器),而不是路由到单一模型
作者构建了一个开源代理,它使用一组不同的LLM(包括裁判和合成器)来处理困难的推理步骤,同时具备成本感知路由、分层记忆、治理和子代理支持。该软件处于alpha阶段,关于融合效果的基准测试结果不一。
我们正在开源LiteLLM Agent平台:一个自托管的开源Agent构建器,支持Hermes、OpenCode、Claude Code(自带模型,兼容Ollama/vLLM)
LiteLLM发布了一款自托管开源Agent平台,允许用户基于Hermes、OpenCode和Claude Code框架构建自主Agent,并支持任何兼容OpenAI的端点,包括Ollama和vLLM。
当大型语言模型发展语言:用于高效多智能体推理的符号通信
本文提出通信语言符号路由(CLSR),多个LLM智能体自主发明并演化紧凑的符号语言进行推理,相比思维链(CoT)实现3-6倍的令牌减少,同时保持准确性。
从受训者到训练者:LLM为多智能体推理强化学习设计的训练环境
本文介绍了LLM-as-Environment-Engineer框架,该框架使LLM能够为多智能体推理任务中的强化学习设计自己的训练环境,实现自我改进训练,其性能超越更大的专有模型。
在Claude Code中使用本地LLM作为代理
本文介绍了一种自定义的MCP设置,允许在同一会话中使用如llama.cpp等工具,将编码任务从Anthropic的Claude模型卸载到本地的Qwen3.8-27B模型。