Классный малоизвестный факт в истории LLM - Каждая лаборатория по-разному называет свои форматы вызова инструментов, и долгое время это был довольно важный секрет. Nous Research первой открыла исходный код своего формата вызова инструментов Hermes и модели, которая в 2024 году возглавила таблицу лидеров по вызову инструментов BFCL и показала людям надежный формат инструмента и парсер. Сразу после этого Qwen тоже начала использовать формат инструментов Hermes, и теперь все модели Qwen по-прежнему используют его до сих пор. Формат Hermes также стал основой для наших моделей swe-1 в Windsurf. Действительно здорово видеть, как вклад этой лаборатории продолжает жить в открытом исходном коде. Вот как это выглядит: <|im_start|>assistant <tool_call> {name: args:} </tool_call> <|im_end|>

2024 год был годом агентов 2025 год был годом RL 2026 год будет годом непрерывного обучения

Это может быть моя любимая статья года🤯 Рич Саттон утверждает, что текущие методы RL не приведут нас к непрерывному обучению, потому что они не накапливают предыдущие знания, каждый запуск начинается с нуля. Исследователи в Швейцарии представляют Meta-RL, который может разгадать эту загадку. Оптимизируйте на протяжении эпизодов с мета-объективом обучения, который затем побуждает агентов сначала исследовать, а затем использовать. А затем размышлять о предыдущих неудачах для будущих запусков агентов. Невероятные результаты и невероятное чтение статьи в целом. Авторы: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic