Актуальні теми
#
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 | Попередній дослідницький @windsurf_ai (Deepmind acq.) | @stanford
Цікавий, менш відомий факт в історії LLM —
Кожна лабораторія виконує формат виклику інструментів дуже по-різному, і довгий час це була досить важлива таємниця, яку треба було зберігати.
Nous Research першими відкрили код свій формат і модель виклику інструментів Hermes, що у 2024 році почало перемогти BFCL у рейтингу інструментів і показало людям надійний формат інструментів і парсер.
Одразу після цього Qwen почала використовувати формат інструменту Hermes, і тепер усі моделі Qwen досі його використовують. Формат Hermes також став основою для наших моделей swe-1 на Windsurf.
Дуже круто бачити, як внесок цієї лабораторії продовжує існувати у відкритому коді.
Ось як це виглядає:
<|im_start|>асистент
<tool_call>
{ім'я: args:}
</tool_call>
<|im_end|>
7 січ., 03:39
Знайомтеся з NousCoder-14b — конкурентною олімпіадною моделлю програмування.
Наш останній блог детально описує повні результати масштабних експериментів і логів з випущеним full stack — середовищем RL, бенчмарком і упряженням у Atroppos, усе це повністю відтворювано за допомогою нашого відкритого тренувального стеку.
NousCoder-14b пройшов постнавчання на Qwen3-14B дослідником-резидентом @JoeLi5050 використання 48 B200 протягом 4 днів, нашого фреймворку Atropos та автоскалера @modal. Він досягає Pass@1 точності 67,87%, +7,08% вище базової точності Qwen, завдяки перевіреним винагородам за виконання.
4
Це, мабуть, моя улюблена стаття цього року🤯
Річ Саттон стверджує, що сучасні методи RL не допоможуть нам постійно навчатися, бо вони не накопичуються на попередніх знаннях, кожен впровадження починається з нуля.
Дослідники зі Швейцарії впровадили Meta-RL, який може розшифрувати цей код. Оптимізуйте між епізодами з мета-навчальною метою, що стимулює агентів спочатку досліджувати, а потім експлуатувати. А потім подумайте про попередні невдачі для майбутніх запусків агентів.
Неймовірні результати та неймовірне читання статті загалом.
Автори: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
3
Найкращі
Рейтинг
Вибране