Tópicos populares
#
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 | investigação anterior @windsurf_ai (Análise Deepmind) | @stanford
Um fato interessante e menos conhecido na história dos LLM -
Cada laboratório faz o seu formato de chamada de ferramenta de maneira muito diferente, e por muito tempo esse foi um segredo bastante importante a ser mantido.
A Nous Research foi a primeira a abrir o código-fonte do seu formato de chamada de ferramenta Hermes e modelo, que dominou a tabela de classificação de chamadas de ferramentas BFCL em 2024, e mostrou às pessoas um formato de ferramenta e parser confiável.
Logo depois, a Qwen começou a usar o formato de ferramenta Hermes também, e agora todos os modelos Qwen ainda o utilizam até hoje. O formato Hermes também se tornou a base para nossos modelos swe-1 na Windsurf.
É realmente legal ver as contribuições deste laboratório continuarem a viver em código aberto.
Aqui está como se parece:
<|im_start|>assistant
<tool_call>
{name: args:}
</tool_call>
<|im_end|>
7/01, 03:39
Apresentando o NousCoder-14b, um modelo de programação competitivo para olimpíadas.
O nosso último blog detalha os resultados completos de extensos experimentos e registos com toda a pilha lançada - o ambiente RL, o benchmark e o harness construído no Atropos, tudo totalmente reproduzível com a nossa pilha de treinamento aberta.
O NousCoder-14b foi pós-treinado no Qwen3-14B pelo pesquisador residente @JoeLi5050 usando 48 B200s ao longo de 4 dias, nosso framework Atropos e o autoscaler da @modal. Ele alcança uma precisão Pass@1 de 67.87%, +7.08% em relação à precisão base do Qwen usando recompensas de execução verificáveis.
66
Este pode ser o meu artigo favorito do ano🤯
Rich Sutton afirma que os métodos atuais de RL não nos levarão ao aprendizado contínuo porque não se acumulam sobre o conhecimento anterior, cada execução começa do zero.
Pesquisadores na Suíça introduzem o Meta-RL que pode decifrar esse código. Otimize através de episódios com um objetivo de meta-aprendizagem, que então incentiva os agentes a explorar primeiro e depois explorar. E então refletir sobre falhas anteriores para futuras execuções de agentes.
Resultados incríveis e uma leitura incrível de um artigo no geral.
Autores: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
31
Top
Classificação
Favoritos