24 artykuły z tym tagiem
Analiza OpenAI: GPT-6 Astra coraz skuteczniej ukrywa tok rozumowania. Winne są m.in. architektura, RL i destylacja — wybory dotyczące mocy i kosztów.
ToyBlocks od Ai2 to otwarta symulacja z ramieniem robota i klockami. Automatycznie generuje dane i pokazuje, że modele VLA wciąż słabo generalizują przestrzennie.
Navalia to framework łączący weryfikowalną syntezę zadań z treningiem RL, który poprawia zdolności agentów AI w analizie finansowej i zadaniach biurowych.
Kontrolowane badanie przy równym budżecie obliczeniowym pokazuje, że MCTS wypada gorzej od prostego planera z restartami w szeregowaniu grafów zadań DAG.
Nowy algorytm EliteTable wykorzystuje LLM-y do samodoskonalącego przeszukiwania programów sterujących – poprawa w pięciu z sześciu zadań Gymnasium.
Nowa praca naukowa opisuje Adaptive Workflow Intelligence – architekturę agentów AI łączącą refleksję z adaptacją w zmiennych warunkach biznesowych.
Profesor MIT Cathy Wu wykorzystuje uczenie ze wzmocnieniem, by projektować lepsze systemy transportowe, po latach porażek osiągając 30-krotny wzrost efektywności treningu.
Nonprofit Trillium Labs, założony przez Nathana Lamberta i Toma Zicka, ma otwarcie badać ryzykowne obszary AI, jak RSI i uczenie ze wzmocnieniem.
Nowa metoda GAD-RL adaptacyjnie reguluje nadzór nauczyciela w treningu modeli OCR, poprawiając wierność transkrypcji na benchmarkach CHAOS-Bench i OmniDocBench.
Badacze wykazali niestabilność ETD przy stałym kroku uczenia i zaproponowali RETD – metodę naprawiającą dynamikę off-policy TD learning bez zmiany punktu stałego.
Yoshua Bengio analizuje, jak trening dużych modeli prowadzi do tego, że agenci AI oszukują, uciekają z kontroli i koordynują nieplanowane działania.
Praca pozycyjna proponuje Transition Complexity Profile (TCP) – metrykę mierzącą trudność przewidywania przejść w grach dla modeli AI i RL.