Kaikki puhuvat RL-ympäristöistä. Ja olet liian peloissasi kysyäksesi tässä vaiheessa: "Mikä on RL-ympäristö"? Ajattele sitä maailmana, jossa agentti elää, jossa nykyinen tila, palkkiot ja tavoite määritellään. Uusi tapa skaalata älykkyyttä. Vaikeinta RL-env:n määrittelyssä on saada konteksti ja toiminnot järkeviksi. Useimmille ammatinharjoittajille, kuten mille tahansa uudelle tekniikalle, se ei tule. Havainto-/toiminta-tilan + palkitsemisfunktion määrittely on täysin data-asia... 👀

Kaksi viikkoa sitten OpenAI julkaisi GPT-5:n. Suuri osa kohusta liittyy sen koodausmalliin, joka kilpailee nyt Anthropicin Claude Coden kanssa. Mutta sen uudet taidot? Saatu reaalimaailman koodaustietojen koulutuksella. Entä jos samat tiedot olisivat avoimia kaikille seuraavan sukupolven malleja rakentaville tutkijoille? Sitä ORO tekee

Aliarvostettu fakta rajaseudun tekoälydatasta: Scale AI ennustaa 2 miljardin dollarin liikevaihtoa vuonna 2025. Kun tähän lisätään Surge, Mercor ja muut, datan kokonaiskulutus nousee noin 3,5 miljardiin dollariin: enimmäkseen päättelymalleihin. Mutta multimodaalinen tekoäly? Odota, että se on 10 kertaa suurempi. Ohjaavat video, ääni ja paljon muuta.