- Дата публикации
Что открыли Исследователи описали простой способ прокачать генерацию кода у больших языковых моделей без внешних проверяющих, без учителя и без reinforcement learning. Метод называется Simple Self-Dis...
Обучение с подкреплением
Новости об обучении с подкреплением: RLHF, GRPO, PPO — методы выравнивания и улучшения LLM.
10 материалов
- Дата публикации
Что появилось / что изменилось Hugging Face представила линейку Holo3 — агенты, которые управляют обычным десктопом почти как человек. Фокус не на болтовне, а на реальной работе с интерфейсами. Главна...- Дата публикации
Что появилось / что изменилось Cursor перестал относиться к обновлениям модели как к редкому событию. Теперь Composer получает новый чекпоинт примерно каждые 5 часов. Это не «переобучили раз в квартал...- Дата публикации
Что появилось / что изменилось Cursor перенастраивает своего кодового ассистента Composer прямо на боевых запросах пользователей. Команда называет это real-time RL — обучением с подкреплением на реаль...- Дата публикации
Что открыли Исследователи представили MACRO — медицинского ИИ-агента, который сам учится придумывать новые «суперинструменты» для анализа снимков. Обычно такие агенты работают с фиксированным набором...- Дата публикации
Что появилось / что изменилось Cursor объявил о запуске Composer 2 — нового ИИ-помощника для программирования внутри IDE. Но пользователь X (бывший Twitter) под ником @fynnso заметил любопытную деталь...- Дата публикации
Что появилось / что изменилось NVIDIA Nemotron 3 Super теперь доступен в Amazon Bedrock как полностью управляемая серверлесс‑модель. Никаких своих GPU, кластеров и DevOps — заходите в консоль AWS, выб...- Дата публикации
Что открыли Исследователи OpenAI создали набор данных для обучения, который значительно улучшает поведение больших языковых моделей (LLM) в конфликтных ситуациях. Речь идёт о приоритете инструкций: ко...- Дата публикации
Что появилось / что изменилось Mistral обновила терминальный ассистент для разработчиков до версии Vibe 2.0. Главное — меньше «магии», больше контроля над тем, что делает ИИ в вашем репозитории. Ключе...- Дата публикации
Что открыли Исследователи показали, что большой языковой модели можно поручить не только писать код, но и управлять оптимизатором, опираясь на сгенерированный ею же код. Они расширили подход Code Worl...