04
Oct
translation
Safety Cases OpenAI: безопасность обучения мощных AI
OpenAI представила фреймворк Safety Cases для безопасного обучения frontier AI-моделей: alignment, …
→
Reinforcement Learning
15
материалов
03
Oct
article
Clef от Cloudflare: open-weight модели решений и RL-файн-тюнинг
Cloudflare выпустила Clef и Clef-flash — open-weight модели принятия решений для агентных пайплайнов …
→
21
Sep
article
NAR + RL: как независимый разработчик предсказал идею Jev на год раньше
Как не-авторегрессионные модели решений на базе RL были построены независимым исследователем до …
→
06
Sep
news
Miles v0.1: RL-фреймворк для дообучения LLM на уровне предприятия
RadixArk выпустила Miles v0.1 — open-source RL-фреймворк корпоративного уровня для пост-тренинга LLM …
→
18
Aug
tool-review
Newton Physics: GPU-движок симуляции для роботики
Обзор Newton — open-source GPU-ускоренного физического движка от NVIDIA, Google DeepMind и Disney …
→
22
Jun
article
Задача многорукого бандита: алгоритмы и решения
Разбираем задачу многорукого бандита: от ε-жадного алгоритма до UCB и сэмплирования Томпсона. …
→
15
Jun
article
Domain Randomization: как перенести ИИ из симуляции в реальность
Что такое Domain Randomization, как работает Sim2Real Transfer и почему роботы OpenAI учатся в …
→
14
Jun
article
Evolution Strategies: эволюция без градиентов
Что такое Evolution Strategies, как работают (μ,λ)-ES и CMA-ES, чем отличаются от градиентного …
→
14
Jun
article
Meta Reinforcement Learning: учимся учиться быстро
Что такое Meta Reinforcement Learning, как работают MAML и RL², где применяются и почему это будущее …
→
11
Jun
article
Curriculum для обучения с подкреплением: от простого к сложному
Что такое Curriculum RL, как работает обучение по расписанию задач и почему AlphaGo, AlphaStar и …
→