Trendande ämnen
#
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 | Föregående forsknings@windsurf_ai (Deepmind acq.) | @stanford
En häftig, mindre känd fakta i LLM-historien –
Varje labb använder sitt verktygskallningsformat väldigt olika, och under lång tid var detta en ganska viktig hemlighet att bevara.
Nous Research var först med att open source sin Hermes-verktygskallformat och modell, som krossade BFCL-verktygsringarlistan redan 2024 och visade människor ett pålitligt verktygsformat och parser.
Direkt efteråt började Qwen använda Hermes-verktygsformatet också, och nu använder alla Qwen-modeller det fortfarande idag. Hermes-formatet blev också grunden för våra swe-1-modeller på Windsurf.
Riktigt häftigt att se laboratoriets bidrag leva vidare i öppen källkod.
Så här ser det ut:
<|im_start|>assistent
<tool_call>
{name: args:}
</tool_call>
<|im_end|>
7 jan. 03:39
Vi presenterar NousCoder-14b, en tävlingsinriktad olympiadprogrammeringsmodell.
Vår senaste blogg redogör för alla resultat från omfattande experiment och loggar med fullstacken som släppts – RL-miljön, benchmarken och harnessen byggd i Atropos, allt fullt reproducerbart med vår öppna träningsstack.
NousCoder-14b eftertränades på Qwen3-14B av en forskare på plats @JoeLi5050 använde 48 B200 under fyra dagar, vårt Atropos-ramverk och @modal autoscaler. Den uppnår en Pass@1 noggrannhet på 67,87 %, +7,08 % över Qwens baslinjeprecision med verifierbara exekveringsbelöningar.
5
Det här kan vara min favoritartikel för året🤯
Rich Sutton hävdar att nuvarande RL-metoder inte kommer att leda oss till kontinuerligt lärande eftersom de inte bygger på tidigare kunskap, varje utrullning börjar från början.
Forskare i Schweiz introducerar Meta-RL som kanske knäcker den koden. Optimera över avsnitt med ett meta-lärandemål, vilket sedan uppmuntrar agenter att utforska först och sedan utnyttja. Och reflektera sedan över tidigare misslyckanden för framtida agentuppdrag.
Otroliga resultat och en otrolig läsning av en artikel överlag.
Författare: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
4
Topp
Rankning
Favoriter