Subiect: #Reinforcement Learning
Perplexity și NVIDIA lansează JOLT: O metodă revoluționară de Reinforcement Learning Profesor-Elev care promițe să schimbe paradigmele antrenamentului modelelor mici
Cercetătorii Perplexity și NVIDIA introduc JOLT, o metodă Joint Teacher-Student RL care revoluționează distilarea cunoștințelor. În loc de imitare statică, JOLT creează o buclă de retroacțiune bidirecțională unde profesorul își ajustează pedagogia în timp real bazându-se pe performanțele elevului, permițând modelelor mici (SLMs) să achiziționeze raționament complex de tip frontier la costuri de inferență drastice reduse.
Eka Robotics: Revoluția „mâinii” artificiale care a ridicat valoarea startup-ului la 1,45 miliarde de dolari
Eka Robotics, fondată de experți de la MIT și Google DeepMind, a atins o evaluare de 1,45 miliarde $ după o rundă Series A de 150M $ condusă de a16z. Secretul: un model AI Vision-Force-Action și o mână robotică cu senzori haptilici care "simte" obiectele, depășind performanța umană la manipularea obiectelor fragile și haotice. O schimbare de paradigmaj care poate debloca automatizarea fizică reală.
QwenGyre: Alibaba reinventează învățarea automată pentru agenții AI cu orizont temporal extins
Alibaba Qwen a lansat QwenGyre, un sistem inovator de învățare prin reinforțare elastică, gândit special pentru agenții AI care trebuie să opereze pe parcursul unor perioade foarte lungi de timp. Analiza detaliată a ce înseamnă această mutare strategică și de ce ar putea schimba cursul industriei.
Ghidul Google Research RRSI: Cum stăpânești agenții AI care se auto-îmbunătățesc
Google Research publică un ghid cuprinzător despre RRSI (Recursive Reinforcement Self-Improvement), un cadru pentru construirea agenților AI capabili să învețe din experiențele proprii și să se perfecționeze continuu, fără intervenție umană constantă.
Pionierul ChatGPT lansează modelul Jev pentru logică programatică
TypeSafe, compania fondată de co-inventatorul ChatGPT Diogo Almeida, lansează Jev, un model specializat în logică programatică, care generează decizii structurate direct în cod, fără text, cu latențe de milisecunde și costuri infime. O schimbare de paradigmă pentru automatizarea deciziilor.
Cercetătorii UC Berkeley lansează CUA-Lite: Platforma open-source care schimbă jocul pentru agenții AI care folosesc calculatoarele
Cercetătorii de la UC Berkeley lansează CUA-Lite, o platformă open-source care unifică sandbox-uri, date, evaluare și RL pentru agenții computer-use. Articolul analizează arhitectura, impactul și de ce acest lucru democratizează dezvoltarea agenților AI autonomi.
Hugging Face lansează Microduck: un robot biped open-source de 25 cm, la doar 399 de dolari, pe care îl antrenezi cu învățare prin consolidare
Hugging Face a dezvăluit Microduck, un robot biped open-source de 25 cm, la doar 399 de dolari, care poate fi antrenat prin învățare prin consolidare. Acest proiect democratizează robotica, oferind o platformă accesibilă pentru educație, cercetare și experimentare.
NVIDIA lansează Molt: Un cadru de învățare prin consolidare agentic, nativ PyTorch
NVIDIA a lansat Molt, un cadru open-source de învățare prin consolidare, nativ PyTorch, conceput pentru a simplifica crearea de agenți inteligenți. Articolul explică caracteristicile, impactul și cum să începi să folosești Molt.
Open Dreamer: Reproducerea completă a modelului Dreamer 4, acum open-source și gata de antrenat
Open Dreamer este o reproducere completă a pipeline-ului Dreamer 4, construită în JAX și Flax, cu rețeta completă de antrenament publicată. Acest proiect open-source democratizează accesul la unul dintre cele mai avansate modele de world model, permițând cercetătorilor și dezvoltatorilor să reproducă, să modifice și să inoveze pe baza sa.
Cercetătorii de la Stanford prezintă TRACE: un sistem de instruire agentică ce transformă eșecurile recurente în medii sintetice de învățare prin consolidare
Cercetătorii de la Stanford au dezvoltat TRACE, un sistem care transformă eșecurile recurente ale agenților AI în medii sintetice de antrenament prin consolidare, accelerând învățarea și îmbunătățind robustețea. Articolul explică mecanismul, rezultatele și implicațiile acestei abordări inovatoare.
Google aprofundează legăturile cu Thinking Machines Lab printr-un acord de mai multe miliarde de dolari
Google a semnat un acord de mai multe miliarde de dolari cu Thinking Machines Lab, startup-ul fondat de Mira Murati, pentru a oferi acces la infrastructura de cloud de ultima generație, inclusiv sistemele alimentate de cipurile Nvidia GB300, în cadrul unei strategii mai largă de a se asigura poziția de lider în infrastructura de IA prin parteneriate timpurie cu laboratorii de frontiera.
Kimina-Prover: Revoluția în Demonstrația Automată de Teoreme prin Căutare RL în Timpul Testării
Kimina-Prover-72B stabilește un nou standard în demonstrația automată de teoreme, atingând o rată de succes de 92.2% pe benchmark-ul miniF2F. Inovația sa principală, cadrul TTRL Search, permite modelului să descopere și combine recursiv leme, transformând procesul dintr-o simplă generare într-o căutare agentică strategică și profundă.