Microsoft переосмысливает имитационное обучение ИИ
Исследователи из Microsoft нашли новый путь. Они пересмотрели основы имитационного обучения. Теперь ИИ-агенты учатся иначе.
обучение с подкреплением
GPT-OSS научили принимать решения как человек
Искусственный интеллект GPT-OSS прошёл курс обучения с подкреплением. Теперь он учится не просто отвечать, а действовать.
Microsoft научила ИИ-агентов учиться без переписывания кода
Исследователи Microsoft придумали, как заставить ИИ-агентов учиться на ходу. Это похоже на молнию — быстро и без лишних движений.
Amazon научила маленькие ИИ-агенты работать лучше
Исследователи Amazon нашли способ заставить ИИ-агентов лучше выполнять узкие задачи. Они использовали старые добрые методы обучения с подкреплением.
ИИ научили самоанализу через модель «боли»
Ученые представили модель вознаграждения для ИИ, которая использует самоанализ и концепцию «боли» для улучшения обучения в виртуальных средах.
SCRIBE: новый метод обучения ИИ-агентов с инструментами
Исследователи представили SCRIBE — новый фреймворк обучения с подкреплением, который решает проблему присвоения заслуг в многошаговых рассуждениях для ИИ-агентов, использующих инструменты.
Новый ИИ-фреймворк снижает ошибки в радиологических отчётах
Группа учёных предложила новый фреймворк на основе обучения с подкреплением для генерации клинически точных радиологических отчётов, который значительно снижает количество ошибок.
Новый метод R²VPO ускоряет тонкую настройку языковых моделей
Исследователи представили метод R²VPO для тонкой настройки языковых моделей, который повышает производительность на 17% и требует в два раза меньше данных для обучения.
Amazon создаёт «тренажёры» для обучения надёжных ИИ-агентов
Лаборатория искусственного общего интеллекта Amazon разрабатывает систему «тренажёров» для обучения ИИ-агентов сотням рутинных действий, необходимых для работы в реальных веб-системах.
LLM и RL объединили для обнаружения аномалий в данных
Исследователи представили новый метод обнаружения аномалий во временных рядах, который объединяет большие языковые модели, обучение с подкреплением и активное обучение для эффективной работы при ограниченном количестве размеченных данных.
RL-тренировка стала ключом к развитию ИИ, а не претренинг
Аналитики SemiAnalysis подтверждают, что основной прогресс в возможностях ИИ последние 18 месяцев обеспечивало масштабирование обучения с подкреплением (RL), а не претренинг, что доказывает пример OpenAI с GPT-4o.
Новый алгоритм обучает плоские политики для долгосрочных задач
Учёные представили новый алгоритм обучения с подкреплением, который позволяет эффективно обучать «плоские» политики для решения долгосрочных задач без использования сложных иерархических структур.
RL-оптимизация ухудшает перенос моделей в медицине
Новое исследование выявило парадокс: дообучение с подкреплением улучшает результаты медицинских ИИ-моделей на стандартных тестах, но резко снижает их способность работать с данными из других больниц.
Трансформеры решений научили тонкой настройке чистым RL-градиентом
Исследователи представили новый метод онлайн-тонкой настройки архитектуры Decision Transformers, который использует исключительно градиенты обучения с подкреплением, а не стандартные подходы.