Todo el mundo está hablando sobre los entornos de RL. Y tú estás demasiado asustado para preguntar en este punto, "¿qué es un entorno de RL?" Piénsalo como un mundo donde vive un agente, donde se definen el estado actual, las recompensas y el objetivo. Una nueva forma de escalar la inteligencia. La parte más difícil de definir los entornos de RL es hacer que el contexto y las acciones tengan sentido. Para la mayoría de los practicantes, como con cualquier nueva tecnología, no lo tendrá. Definir el espacio de observación/acción + la función de recompensa es completamente una preocupación de datos... 👀

Hace dos semanas, OpenAI lanzó GPT-5. Gran parte del revuelo se debe a su modelo de codificación, que ahora compite con Claude Code de Anthropic. ¿Sus nuevas habilidades? Adquiridas a través de entrenamiento con datos de codificación del mundo real. ¿Qué pasaría si esos mismos datos estuvieran abiertos a cualquier investigador que construya modelos de próxima generación? Eso es lo que está haciendo ORO.

Dato subestimado sobre los datos de IA de frontera: Scale AI proyecta ingresos de $ 2 mil millones en 2025. Agregue Surge, Mercor y otros, y el gasto total en datos alcanza alrededor de $ 3.5B: principalmente para modelos de razonamiento. ¿Pero IA multimodal? Espere que sea 10 veces más grande. Impulsado por video, audio y más.