Tópicos em alta
#
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 | pesquisa anterior @windsurf_ai (Análise Deepmind) | @stanford
Um fato legal e menos conhecido na história dos LLMs -
Cada laboratório faz seu formato de chamada de ferramentas de forma muito diferente, e por muito tempo esse foi um segredo bastante importante a ser guardado.
A Nous Research foi a primeira a abrir o código seu formato e modelo de chamadas de ferramentas Hermes, que esmagaram o ranking de chamadas de ferramentas BFCL em 2024, e mostrou às pessoas um formato e um parser de ferramenta confiáveis.
Logo depois, a Qwen começou a usar o formato da ferramenta Hermes também, e agora todos os modelos Qwen ainda a usam até hoje. O formato Hermes também se tornou a base para nossos modelos swe-1 na Windsurf.
É muito legal ver as contribuições desse laboratório viverem no open source.
Aqui está como ela se apresenta:
<|im_start|>assistente
<tool_call>
{nome: args:}
</tool_call>
<|im_end|>
7 de jan., 03:39
Apresentando o NousCoder-14b, um modelo competitivo de programação olímpica.
Nosso blog mais recente detalha as descobertas completas de experimentos extensos e logs com a stack completa lançada – o ambiente RL, benchmark e harness construídos no Atropos, todos totalmente reproduzíveis com nossa stack de treinamento aberta.
NousCoder-14b foi treinado após Qwen3-14B por pesquisadores residentes @JoeLi5050 usando 48 B200s ao longo de 4 dias, nosso framework Atropos e o autoescalonador da @modal. Ele alcança uma precisão Pass@1 de 67,87%, +7,08% acima da precisão básica do Qwen usando recompensas de execução verificáveis.
3
Este pode ser meu artigo favorito do ano🤯
Rich Sutton afirma que os métodos atuais de RL não nos levam ao aprendizado contínuo porque não se baseiam em conhecimentos prévios, cada lançamento começa do zero.
Pesquisadores na Suíça apresentam o Meta-RL, que pode decifrar esse código. Otimize entre os episódios com um objetivo de meta-aprendizado, que então incentive os agentes a explorar primeiro e depois explorar. E então reflita sobre falhas anteriores em futuras corridas de agentes.
Resultados incríveis e leitura incrível de um artigo no geral.
Autores: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
2
Melhores
Classificação
Favoritos