Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Ronak Malde ✈️ NeurIPS 2025
RL @GoogleDeepmind | předchozí výzkumný @windsurf_ai (Deepmind ak.) | @stanford
Jeden zajímavý méně známý fakt z historie LLM –
Každá laboratoř používá svůj formát volání nástrojů velmi odlišně a dlouhou dobu to bylo velmi důležité tajemství.
Nous Research byl první, kdo otevřel zdrojový zdroj svého formátu a modelu volání nástrojů Hermes, který v roce 2024 ovládl žebříček BFCL v vyhledávání nástrojů, a ukázal lidem spolehlivý formát nástroje a parser.
Hned poté začala Qwen používat formát Hermes nástrojů a nyní ho používají všechny Qwen modely dodnes. Formát Hermes se také stal základem pro naše modely swe-1 na Windsurfu.
Je opravdu skvělé vidět, že přínos této laboratoře žije dál v open source.
Takto to vypadá:
<|im_start|>asistent
<tool_call>
{název: args:}
</tool_call>
<|im_end|>
7. 1. 03:39
Představujeme NousCoder-14b, model programování soutěžní olympiády.
Náš nejnovější blog podrobně popisuje výsledky rozsáhlých experimentů a logů s plným stackem – RL prostředí, benchmark a harness postavený v Atroposu, vše plně reprodukovatelné s naším otevřeným tréninkovým stackem.
NousCoder-14b byl posttrénován na Qwen3-14B výzkumníkem v rezidenci, @JoeLi5050 používal 48 B200 během 4 dnů, náš Atropos framework a @modal autoscaler. Dosahuje přesnosti Pass@1 67,87 %, +7,08 % oproti základní přesnosti Qwen díky ověřitelným odměnám za provedení.
15
Tohle může být můj nejoblíbenější článek roku🤯
Rich Sutton tvrdí, že současné metody RL nás nepřivedou k neustálému učení, protože nenavazují na předchozí znalosti, každé zavádění začíná od nuly.
Výzkumníci ve Švýcarsku představují Meta-RL, který by mohl tento kód rozluštit. Optimalizujte napříč epizodami s meta-learningovým cílem, který pak motivuje agenty nejprve prozkoumávat a teprve je využívat. A pak se zamyslete nad předchozími neúspěchy pro budoucí agentní běhy.
Neuvěřitelné výsledky a neuvěřitelné čtení článku celkově.
Autoři: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
14
Top
Hodnocení
Oblíbené