SIDERIUSSIDERIUS

English

工作原理

四张图看懂 SIDERIUS

每张图只讲一件事。后半页再把模块、连线、适配器、汇总器、分发器、路由和循环逐个讲细。

一圈就是一次研究迭代

The SIDERIUS research loopFive stages in a cycle: Propose a model, Implement its code, Validate the implementation, Train and tune it, Interpret the results, then Propose again. In the centre, a deterministic core owns data selection, execution, scoring, Health validity and provenance.Deterministic coreData selectionExecutionScoringHealth validityProvenanceProposeImplementValidateTrain & tuneInterpret
Research loop, planned and judged by LLM agentsDeterministic code: no LLM decides data, scoring or validity

左右滑动可以看到整张图。

来源（图中文字为英文）：SIDERIUS 文档 (opens in a new tab)

不管谁来调用，能力模块都一样

Any caller, same capabilitiesThree kinds of caller, a human expert, a fixed workflow and LLM orchestration, call the same typed capability contracts. The caller owns composition and history; seven capabilities, Interpret, Analyze, Literature, Propose, Implement, Validate and Train and tune, own their reasoning and tools.CALLERSHuman expertFixed workflowLLM orchestrationTyped capability contractsCAPABILITIESInterpretAnalyzeLiteratureProposeImplementValidateTrain & tuneCallers own composition and history; capabilities own their reasoning and tools.

左右滑动可以看到整张图。

人、固定工作流或语言模型编排器决定调用顺序；每个能力模块保留自己的推理和工具。

来源（图中文字为英文）：SIDERIUS 论文 (opens in a new tab) 编排设置（英文） (opens in a new tab)

没有哪个数字能身兼所有角色

No single number plays every roleThe task package declares separate quantities: a training objective that drives optimization, validation monitoring that tracks learning, scientific selection that orders eligible results by a declared direction, and secondary evidence that informs reasoning but never sets the ranking. Validity is a separate question: scoreability asks whether the declared metric can be computed, and deterministic Health checks record task-applicable model and output checks.TASK DECLARESWHAT EACH NUMBER DOESIS IT VALID?Task packageone manifestTraining objectivedrives optimizationValidation monitoringtracks learningScientific selectionranks eligible resultsSecondary evidenceinforms, never ranksScoreabilitymetric computable?Health checksrecorded per modelvalidity is a separatequestion from quality

左右滑动可以看到整张图。

只有科学选择这一项给结果排名；有效性和好坏分开检查。

来源（图中文字为英文）：SIDERIUS 论文 (opens in a new tab) 目标和指标（英文） (opens in a new tab)

每个位置都是同一份带类型的约定

One typed contract for every seatBecause every stage has a typed contract, a human can advise any agent through the same advice field automated callers use, take any agent's seat, for example writing the proposal and handing it to the implementer, or use a single capability alone, for example handing in their own model to be trained, tuned and scored.Advise any agentProposeValidateImplementTrain & tuneYouTake any seatInterpretYouin the proposer's seatImplementUse one aloneYour modelTrain & tuneTuned + scored

左右滑动可以看到整张图。

人和智能体可以互换：给任何一步出主意、亲自坐上某一步的位置，或者只单独用一个模块。

来源（图中文字为英文）：SIDERIUS 文档 (opens in a new tab)

讲细一点

工作流是怎么拼起来的

从单个模块讲到连线，再到适配器、汇总器、分发器，最后是路由和循环。

能力模块：每个只干一件事

能力模块就是一个只干一件事的智能体。它接收一种输入，发出一种结果。

一共六个。每个模块只能看到交给它的输入，也只能交出约定好的那种结果，所以你可以换掉其中任何一个：换个模型、换成人来做，或者只单独用它一个。训练、打分和健康检查不在任何模块手里，由 SIDERIUS 自己完成。

模块接收发出
Interpret resultsRun summariesResults analysis
Literature reviewSearch evidencePaper findings
Propose modelResults analysis、Paper findings 或 Design briefModel plan
ImplementModel planModel code
ValidateModel plan + Model codeCode verdict
Train & tuneCode verdict + Model plan + Training settingsTraining report

每个模块的设置也各管各的：用哪个语言模型，在 LLM 配置文件里按模块分别设；时间和显存预算设在 Train & tune 上；建议写在各自的建议框里。1.1.0 没有几个模块共用的总预算。

在参考文档里看每个模块

连接口：带类型的连线

每个输入和输出都有类型，比如 Model plan、Code verdict。只有同类型的输出和输入才能连在一起。

以前：两个步骤之间传的是一堆文件，传错了往往要等跑到一半才发现。现在：每个插口都标明了类型，在 SIDERIUS 1.1.0 的控制台里，你拖出一根线时，只有类型对得上的插口会亮。结果：连错的线在运行之前就被拒绝，提示会写清两边的类型，比如 “Propose model sends Model plan; this input receives Design brief.”

插口的值有三种来源：

  • 别的模块产出的：比如 Model plan、Code verdict。
  • 你提供的资源：比如 Storage folder（输出写到哪）、Data folder（数据在哪）。用模板时，运行会替你准备好。
  • 你给的设置：比如 Expert advice、Training settings、Parameter rules。

实心插口是输出或必需的输入；空心的是可选输入，没接时会折叠起来。

全部连接口类型

适配器：收拢、挑选、分发

适配器是夹在模块之间的小步骤，按固定规则整理结果。它从不调用语言模型。

每个适配器都按同样的三步走：

  • 收拢：把能用的结果收进来。没通过 Validate 的代码、健康检查判为无效的训练结果，在这一步就被挡在外面。
  • 挑选：全部保留、只要第一个合格的，或者排好序取前几个。
  • 分发：把选出来的东西交给下游，可以是一份，也可以分成好几份（见下面的“分发器”）。

顺序永远按你声明的顺序来，不看哪个先跑完，所以同样的输入总得到同样的选择。每个适配器都会记下收到了什么、选了什么、为什么。

举个例子：First passing selection 收拢两份实现的 Code verdict，挑第一个通过的，只把那一份交给 Train & tune。在 SIDERIUS 1.1.0 里，适配器由编程助手写进工作流源文件，控制台还不能在画布上搭。

参考文档里的适配器

汇总器：多个合成一个

汇总器是一种适配器，它的活是把几个结果合成一份，交给下一个模块。

以前：几份文献调研各说各的，一个 Propose model 只能接一份。加上汇总器： Collect reviews 按你声明的顺序把它们收在一起，每份标上来源模块的名字。之后：一个提案能同时读到所有调研，并知道每条出自哪份。

汇总器只合并，不打分，也不改写内容。用语言模型来汇总的方式（按评分细则排序、辩论后由评审裁决、由评审合并）仍是即将推出。

参考文档里的汇总器

分发器：一个分成多个

适配器最后的分发这一步，决定发出几份。分发器把一份输入分成好几条分支。

分发方式做什么1.1.0 能不能跑
single只发一份能
split-items把一个结果里的列表拆开，每条分支拿一条，其余内容不变能，用在 Split findings
per-item选出来的第 1 个给分支 1，第 2 个给分支 2，依此类推能声明，还没有工作流形状会执行它
replicate把同一份内容复制给好几条分支能声明，还没有工作流形状会执行它
  • 份数有上限：分成几份由你设，最少 1 份（replicate 最少 2 份），最多 64 份。超过 64 在声明时就会被拒绝，不会等到运行时。
  • 不够时：选 skip，多出来的分支被跳过，其余照跑；选 fail，这一步直接失败。
  • 太多时：要拆的条目比分支多，这一步失败，从不悄悄截断。
参考文档里的 Split findings

路由和循环

路由让工作流的一部分只在条件成立时才跑。循环让整个工作流一轮一轮地重跑，直到碰上上限或停止条件。

路由

路由看前面某个结果，按顺序检查几种情况，第一个满足的生效；没设默认分支时，一个都不满足就什么也不跑。没被选中的分支不花一分钱，监控页会把它显示为跳过。在 1.1.0 里，路由只用在 Implement 和 Validate 上，条件是 Code verdict 是否通过，并配合 First passing selection；由编程助手写进源文件，从命令行运行。

循环

每跑完一轮（控制台叫一个 body），Training report 送回 Interpret results，下一轮从上一轮的结果出发。循环在这几种情况下结束：

结束条件什么时候停在哪里设
Final iteration跑满这么多轮SIDERIUS 1.1.0 控制台的 Research loop 面板
Metric threshold最好的有效正式分数达到阈值Research loop 面板
No improvement连续若干轮没刷新最好分数Research loop 面板
Judge前两种都没触发时，让语言模型读你用大白话写的标准，判断要不要停工作流源文件，交给编程助手；控制台还没有编辑器

评审停止（Judge）的规则：只在前两种确定性条件都没触发时才问它；最后一轮从不问；至少跑满你设的轮数（默认 1）才开始问。调用失败时，你可以选让循环以失败结束（默认），或者把这次算作弃权、继续跑。它需要你在 LLM 配置文件里给评审指定模型，并设定最多调用几次。

运行中，监控页的 Stop at next boundary 和 Pause at next boundary 会等当前这一轮跑完再停或暂停；循环因停止条件结束时，页面会写明原因。

参考文档里的循环和路由

想自己动手？教程从快速开始一步步带你走。

教程