En els últims anys, l'auge dels agents d'intel·ligència artificial ha transformat la manera com les empreses aborden l'automatització i la presa de decisions. Des d' assistents virtuals fins a sistemes de raonament complex, aquests agents requereixen entorns d' entrenament robustos i flexibles per assolir un rendiment òptim. En aquest context, l' evolució cap a plataformes componibles com Verifiers v1 marca una fita en el desenvolupament d' IA per a empreses, en oferir una arquitectura desacoblada que separa clarament les dades, la lògica de l' agent i la infraestructura d' execució.
La proposta de Verifiers v1 respon a una necessitat creixent: els equips d'enginyeria necessiten iterar ràpidament sobre diferents estratègies d'entrenament sense haver de reescriure tot l'ecosistema. En versions anteriors, els entorns empaquetaven junts les dades, la lògica i la infraestructura, cosa que generava dependències difícils de gestionar i escalar. La nova versió introdueix tres components independents: el taskset, que defineix què es vol resoldre (dades, eines i sistema de puntuació); el harness, que especifica com es resol (per exemple, un bucle ReAct o un agent CLI); i el runtime, que determina on s'executa (local, Docker o sandbox). Aquesta separació permet que qualsevol taskset funcioni amb qualsevol harness compatible, facilitant la reutilització i l' experimentació.
L'arquitectura de comunicació és un altre pilar fonamental. Un servidor d'intercepció gestionat per Verifiers se situa entre el runtime de l'agent i el servidor d'inferència, actuant com a proxy. Aquest component registra la traça completa de la interacció, ajusta paràmetres de mostreig i pot reescriure respostes d' eines per mitigar possibles hackeus de recompensa durant l' entrenament. Cada servidor multiplexa un nombre constant de rollouts (per defecte 32) i s'escala elàsticament segons la concurrència observada. A més, s'incorporen adaptadors de dialecte que normalitzen formats com OpenAI Chat Completions, OpenAI Responses i Anthropic Messages, de manera que la lògica de puntuació roman independent de l'agent sota prova.
Una de les millores més destacades és la gestió de traces. Mentre que en la versió anterior el creixement era quadràtic respecte al nombre de torns (repetint parells prompt-completat), en v1 les traces creixen de forma lineal en emmagatzemar nodes únics en un graf de missatges. Això redueix dràsticament el consum de memòria i permet entrenaments amb horitzons llargs, una cosa essencial en tasques com la resolució de problemes complexos de programari o la navegació autònoma.
Des d'una perspectiva pràctica, equips de desenvolupament ja estan utilitzant Verifiers v1 per executar models d'última generació —com Nemotron 3 Ultra— sobre benchmarks com Terminal-Bench 2 usant harnesses predefinits. També és possible reutilitzar conjunts de dades de plataformes com Harbor sense haver de reescriure la lògica de recompensa. La compatibilitat amb formats de tercers s'estén a NeMo Gym i OpenEnv en fase alfa, i s'espera que la comunitat segueixi ampliant l'ecosistema.
Per a les empreses que busquen integrar intel·ligència artificial en els seus processos, aquesta arquitectura ofereix avantatges clars: redueix el temps de desenvolupament, millora l'escalabilitat i permet als equips concentrar-se en la lògica de negoci en lloc de preocupar-se per la infraestructura subjacent. En Q2BSTUDIO, entenem la importància de disposar de plataformes modulars i flexibles per construir programari a mesura que potenciï l'automatització intel·ligent. Els nostres serveis d'intel·ligència artificial per a empreses abasten des del disseny d'agents personalitzats fins a la integració amb sistemes existents, recolzant-nos en tecnologies com Verifiers per oferir solucions robustes i escalables.
A més, la capacitat d'executar entrenaments en infraestructures cloud —ja sigui mitjançant serveis cloud AWS i Azure— permet a les organitzacions escalar els seus experiments sense inversions inicials elevades. En Q2BSTUDIO, combinem la nostra experiència en ciberseguretat i serveis d'intel·ligència de negoci amb el desenvolupament d'agents IA, garantint que cada implementació compleixi amb els més alts estàndards de seguretat i rendiment. Eines com Power BI per a la visualització de mètriques d'entrenament o aplicacions a mida per gestionar pipelins complexos són part del nostre dossier integral.
En definitiva, Verifiers v1 representa un salt qualitatiu en la forma d'abordar l'entrenament per reforç d'agents. El seu enfocament componible no només accelera la investigació, sinó que aplana el camí perquè més empreses adoptin la IA per a empreses de manera eficient i segura. En Q2BSTUDIO acompanyem els nostres clients en cada etapa, des de la conceptualització fins a la posada en producció, creant programari a mesura que transforma la tecnologia en avantatge competitiu.
