Chủ đề thịnh hành
#
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
@GoogleDeepmind RL | @windsurf_ai nghiên cứu trước (Deepmind acq.) | @stanford
Một sự thật thú vị ít người biết trong lịch sử LLM -
Mỗi phòng thí nghiệm có cách gọi công cụ của riêng mình rất khác nhau, và trong một thời gian dài, đây là một bí mật khá quan trọng cần được giữ kín.
Nous Research là đơn vị đầu tiên mở mã nguồn cho định dạng gọi công cụ và mô hình Hermes của họ, đã đánh bại bảng xếp hạng gọi công cụ BFCL vào năm 2024, và cho mọi người thấy một định dạng công cụ và trình phân tích đáng tin cậy.
Ngay sau đó, Qwen cũng bắt đầu sử dụng định dạng công cụ Hermes, và cho đến nay tất cả các mô hình Qwen vẫn sử dụng nó. Định dạng Hermes cũng trở thành nền tảng cho các mô hình swe-1 của chúng tôi tại Windsurf.
Thật tuyệt khi thấy những đóng góp của phòng thí nghiệm này tiếp tục sống mãi trong mã nguồn mở.
Đây là hình dạng của nó:
<|im_start|>assistant
<tool_call>
{name: args:}
</tool_call>
<|im_end|>
03:39 7 thg 1
Giới thiệu NousCoder-14b, một mô hình lập trình olympiad cạnh tranh.
Blog mới nhất của chúng tôi chi tiết đầy đủ các phát hiện từ các thí nghiệm và nhật ký rộng rãi với toàn bộ stack được phát hành - môi trường RL, tiêu chuẩn và bộ công cụ được xây dựng trong Atropos, tất cả đều có thể tái tạo hoàn toàn với stack đào tạo mở của chúng tôi.
NousCoder-14b đã được huấn luyện thêm trên Qwen3-14B bởi nhà nghiên cứu đang cư trú @JoeLi5050 sử dụng 48 B200s trong suốt 4 ngày, framework Atropos của chúng tôi, và bộ tự động mở rộng của @modal. Nó đạt được độ chính xác Pass@1 là 67.87%, tăng 7.08% so với độ chính xác cơ bản của Qwen bằng cách sử dụng phần thưởng thực thi có thể xác minh.
6
Đây có thể là bài báo yêu thích của tôi trong năm nay🤯
Rich Sutton tuyên bố rằng các phương pháp RL hiện tại sẽ không đưa chúng ta đến việc học liên tục vì chúng không tích lũy kiến thức trước đó, mỗi lần triển khai đều bắt đầu từ đầu.
Các nhà nghiên cứu ở Thụy Sĩ giới thiệu Meta-RL có thể giải mã điều đó. Tối ưu hóa qua các tập phim với một mục tiêu học meta, điều này sau đó khuyến khích các tác nhân khám phá trước và sau đó khai thác. Và sau đó phản ánh về những thất bại trước đó cho các lần chạy tác nhân trong tương lai.
Kết quả đáng kinh ngạc và bài đọc tuyệt vời của một bài báo tổng thể.
Tác giả: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
5
Hàng đầu
Thứ hạng
Yêu thích