Prime Intellect wypuścił Verifiers 0.2.0 z całkowicie przepisanym rdzeniem dostępnym jako verifiers.v1, który zmienia sposób, w jaki buduje się środowiska do agentycznego reinforcement learningu i ewaluacji. Głównym przełomem jest rozbicie dotychczasowego podejścia, gdzie dane, logika agenta i infrastruktura były ze sobą połączone, na trzy niezależne, composable komponenty umożliwiające znacznie większą elastyczność.
Nowa architektura opiera się na trzech filarach. Taskset definiuje pracę - zawiera dane, narzędzia i funkcje scoringowe. Harness to komponent, który faktycznie rozwiązuje zadanie i produkuje rollout, mogący być pętlą ReAct, CLI agentem lub dowolnym innym rozwiązaniem. Runtime natomiast uruchamia ten rollout, lokalnie lub w sandboxie. Dzięki temu rozdzieleniu każdy taskset może pracować z dowolnym kompatybilnym harness, co drastycznie upraszcza tworzenie i zarządzanie różnymi konfiguracjami.
Serdcem systemu jest zarządzany przez Verifiers interception server, który siedzi między runtimem agenta a serwerem inferencji. Server pośredniczy w żądaniach i odpowiedziach inferencji, jednocześnie rejestrując pełny ślad wykonania, ustawiając parametry próbkowania i mogąc przepisywać odpowiedzi narzędzi - ta ostatnia funkcja jest kluczowa do mitygowania reward hacków podczas treningu. Architektura skaluje się dzięki multipleksowaniu do 32 rolloutów na serwer domyślnie, z elastycznym poolingiem, który dostosowuje się do rzeczywistego obciążenia konkurencyjnego.