Argomenti di tendenza
#
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 | Ricerca precedente @windsurf_ai (Deepmind acquisto) | @stanford
Un fatto interessante e poco conosciuto nella storia dei LLM -
Ogni laboratorio ha un formato di chiamata degli strumenti molto diverso, e per molto tempo questo è stato un segreto piuttosto importante da mantenere.
Nous Research è stato il primo a rendere open source il proprio formato di chiamata degli strumenti Hermes e il modello, che ha schiacciato la classifica degli strumenti BFCL nel 2024, mostrando alle persone un formato di strumento e un parser affidabili.
Subito dopo, Qwen ha iniziato a utilizzare anche il formato di strumenti Hermes, e ora tutti i modelli Qwen lo utilizzano ancora oggi. Il formato Hermes è diventato anche la base per i nostri modelli swe-1 presso Windsurf.
È davvero fantastico vedere i contributi di questo laboratorio vivere nell'open source.
Ecco come appare:
<|im_start|>assistant
<tool_call>
{name: args:}
</tool_call>
<|im_end|>
7 gen, 03:39
Presentiamo NousCoder-14b, un modello di programmazione per olimpiadi competitivo.
Il nostro ultimo blog dettaglia i risultati completi di esperimenti e registrazioni approfondite con l'intero stack rilasciato - l'ambiente RL, il benchmark e l'harness costruito in Atropos, tutto completamente riproducibile con il nostro stack di addestramento aperto.
NousCoder-14b è stato post-addestrato su Qwen3-14B da un ricercatore in residenza @JoeLi5050 utilizzando 48 B200s nel corso di 4 giorni, il nostro framework Atropos e l'autoscaler di @modal. Raggiunge un'accuratezza Pass@1 del 67,87%, +7,08% rispetto all'accuratezza di base di Qwen utilizzando ricompense di esecuzione verificabili.
14
Questo potrebbe essere il mio articolo preferito dell'anno🤯
Rich Sutton afferma che i metodi di RL attuali non ci porteranno all'apprendimento continuo perché non si basano sulla conoscenza precedente, ogni rollout inizia da zero.
I ricercatori in Svizzera introducono il Meta-RL che potrebbe risolvere questo problema. Ottimizzare attraverso gli episodi con un obiettivo di meta-apprendimento, che poi incentiva gli agenti a esplorare prima e poi sfruttare. E poi riflettere sui fallimenti precedenti per i futuri tentativi degli agenti.
Risultati incredibili e lettura straordinaria di un articolo nel complesso.
Autori: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
13
Principali
Ranking
Preferiti