トレンドトピック
#
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
現実の@GoogleDeepmind |以前の研究 @windsurf_ai(Deepmindアクイズ) |@stanford
LLMの歴史の中であまり知られていない面白い事実 -
各ラボはツールコールの形式が非常に異なり、長い間これは非常に重要な秘密でした。
Nous ResearchはHermesツールの呼び出しフォーマットとモデルを最初にオープンソース化し、2024年にBFCLツール呼び出しリーダーボードを圧倒し、信頼できるツールフォーマットとパーサーを紹介しました。
その直後、QwenもHermesツールフォーマットを使い始め、今でもすべてのQwenモデルが使っています。エルメスのフォーマットは、Windsurfのスウェー1モデルの基盤にもなりました。
このラボの貢献がオープンソースで生き続けているのを見るのは本当に素晴らしいことです。
その様子は以下の通りです:
<|im_start|>助手
<tool_call>
{名前:args:}
</tool_call>
<|im_end|>
1月7日 03:39
競技オリンピックプログラミングモデルNousCoder-14bをご紹介します。
最新のブログでは、広範な実験とログの全結果を詳述し、強化学習環境、ベンチマーク、Atroposに組み込まれたハーネスなど、すべてがオープントレーニングスタックで完全に再現可能なフルスタックを公開しています。
NousCoder-14bは、48台のB200を用いて4日間にわたり、駐在研究者@JoeLi5050 Qwen3-14Bの後処理訓練を受け、私たちのAtroposフレームワークと@modalの自動スケーラーを用いました。検証可能な実行報酬を用いて、Qwenの基準精度より67.87%+7.08%のPass@1精度を達成しています。
110
今年の私のお気に入りの論文🤯かもしれません
リッチ・サットンは、現在の強化学習の手法では、既存の知識を積み重ねるものではなく、すべての展開がゼロから始まるため、継続的な学習にはつながらないと主張しています。
スイスの研究者たちはMeta-RLを導入し、そのコードを解読するかもしれません。エピソード間を最適化し、メタラーニングの目的を持ち、エージェントがまず探索し、その後活用するインセンティブを与えます。そして今後のエージェントランのために過去の失敗を振り返る。
信じられないほどの結果と、全体的に論文の読解体験も素晴らしいです。
著者:@YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
85
トップ
ランキング
お気に入り