Fajny, mniej znany fakt w historii LLM - Każde laboratorium ma swój własny format wywoływania narzędzi, a przez długi czas był to dość ważny sekret. Nous Research jako pierwsze udostępniło swój format wywoływania narzędzi Hermes i model, który zdominował ranking narzędzi BFCL w 2024 roku, pokazując ludziom niezawodny format narzędzi i parser. Zaraz po tym Qwen również zaczął używać formatu narzędzi Hermes, a teraz wszystkie modele Qwen wciąż go używają do dziś. Format Hermes stał się również fundamentem dla naszych modeli swe-1 w Windsurf. Naprawdę fajnie widzieć, jak wkład tego laboratorium trwa w open source. Oto jak to wygląda: <|im_start|>assistant <tool_call> {name: args:} </tool_call> <|im_end|>

2024 był rokiem agentów 2025 był rokiem RL 2026 będzie rokiem uczenia się ciągłego

To może być moja ulubiona praca w tym roku🤯 Rich Sutton twierdzi, że obecne metody RL nie doprowadzą nas do uczenia się ciągłego, ponieważ nie opierają się na wcześniejszej wiedzy, każde uruchomienie zaczyna się od zera. Badacze w Szwajcarii wprowadzają Meta-RL, które może rozwiązać ten problem. Optymalizują w ramach epizodów z celem meta-uczenia, co następnie zachęca agentów do eksploracji najpierw, a potem do eksploatacji. A następnie do refleksji nad wcześniejszymi porażkami w przyszłych uruchomieniach agenta. Niesamowite wyniki i niesamowita lektura pracy ogólnie. Autorzy: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic