AI Hub

Новости и статьи об искусственном интеллекте и нейросетях. Мы собираем и обрабатываем самую актуальную информацию из мира AI. О проекте

TelegramБот @AiHubMyBotTelegramКанал @AiHubFeed

обучение-с-подкреплением

16 публикаций по теме
обучение-с-подкреплением
Прорыв в обучении с подкреплением через BroRL
Новости

Прорыв в обучении с подкреплением через BroRL

BroRL — новый метод в обучении с подкреплением для больших языковых моделей, который преодолевает плато производительности за счет увеличения количества rollout на промпт до сотен. В отличие от предыдущих подходов вроде ProRL, он обеспечивает стабильное улучшение, повышая эффективность вычислений и токенов. Результаты показывают рекорды на бенчмарках Math, Code и Reasoning Gym для моделей 1.5B.

8
6 мин
24 ноября 2025 г.
Статьи

10 ключевых вопросов по агентному ИИ для инженеров

Агентный ИИ меняет подходы к разработке умных систем, требуя от инженеров глубоких знаний в автономности, планировании и безопасности. Статья предлагает 10 ключевых вопросов для собеседований, охватывающих архитектуры, интеграцию инструментов, многоагентные системы и механизмы надежности. Эти вопросы помогают оценить реальный опыт кандидатов в создании практических агентных решений.

11
12 мин
25 октября 2025 г.
Новости

ИИ для следующего поколения термоядерной энергии

Мы сотрудничаем с Commonwealth Fusion Systems для ускорения разработки термоядерной энергии с помощью ИИ. Партнерство фокусируется на симуляции плазмы с TORAX, оптимизации путей к максимальной энергии и создании стратегий реального времени управления. Это позволит SPARC достичь точки безубыточности быстрее, способствуя глобальному переходу к чистой энергии.

5
6 мин
16 октября 2025 г.
Новости

Orchestrator от Nvidia: умный координатор ИИ

Специалисты Nvidia и Университета Гонконга разработали Orchestrator — 8B-модель, которая эффективно управляет инструментами и другими ИИ для сложных задач. С помощью фреймворка ToolOrchestra на базе RL она достигает высокой точности при низких затратах и учитывает предпочтения пользователей. Результаты на бенчмарках HLE, FRAMES и Tau2-Bench показывают превосходство над крупными моделями.

13
5 мин
14 декабря 2025 г.
Новости

OpenAI учит ИИ «сдаваться» и признавать скрытые нарушения

OpenAI предлагает метод Confessions: модель даёт обычный ответ пользователю, а затем в отдельном отчёте честно разбирает, какие инструкции нарушила или где была неуверенна. Такой «второй канал» с отдельным вознаграждением за правдивость помогает выявлять взлом системы наград и скрытые нарушения, причём даже в сложных для проверки задачах. Инструмент не предотвращает плохое поведение напрямую, но делает его заметным и дополняет другие методы контроля, вроде анализа цепочек рассуждений и специальных промтов против обмана.

0
3 мин
8 декабря 2025 г.
Новости

Mercor привлекла $350 млн при оценке $10 млрд

Платформа Mercor, специализирующаяся на соединении лабораторий ИИ с экспертами для обучения моделей, привлекла 350 миллионов долларов в раунде Series C при оценке в 10 миллиардов долларов. Инвестиции возглавил Felicis Ventures, а компания планирует расширять сеть талантов и автоматизировать процессы. Mercor уже платит подрядчикам более 1,5 миллиона долларов в день и стремится к годовой выручке в 500 миллионов долларов.

1
2 мин
27 октября 2025 г.
Новости

Универсальный ИИ-агент для 3D виртуальных сред

Scalable Instructable Multiworld Agent (SIMA) — универсальный ИИ-агент, обученный выполнять языковые инструкции в разнообразных 3D-играх без доступа к коду. Исследование Google DeepMind демонстрирует его способность к генерализации между средами и потенциал для полезных приложений за пределами игр. Это шаг к ИИ, способному к стратегическому планированию и сложным действиям.

15
6 мин
24 октября 2025 г.
Статьи

Обучение с временными разностями и роль исследования

Статья разбирает методы обучения с временными разностями в подкрепляющем обучении, сравнивая Q-обучение, Dyna-Q и Dyna-Q+ на примере изменяющегося мира сетки. Эксперимент подчеркивает роль непрерывного исследования для адаптации к изменениям среды и показывает преимущества модельных подходов в эффективности. Анализ производительности выявляет компромиссы между скоростью сходимости, исследованием и вычислительными затратами.

5
18 мин
14 октября 2025 г.

Показаны все статьи (16)