Trendaavat aiheet
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Ronak Malde ✈️ NeurIPS 2025
RL @GoogleDeepmind | Aiempi tutkimus @windsurf_ai (Deepmind ACQ.) | @stanford
Siisti ja vähemmän tunnettu fakta LLM:n historiassa –
Jokainen laboratorio tekee työkalukutsunsa hyvin eri tavalla, ja pitkään tämä oli melko tärkeä salaisuus, joka piti säilyttää.
Nous Research oli ensimmäinen, joka avasi Hermes-työkalukutsun muodon ja mallin, joka murskasi BFCL-työkalukutsujen tulostaulukon jo vuonna 2024 ja näytti ihmisille luotettavan työkalumuodon ja jäsentäjän.
Heti tämän jälkeen Qwen alkoi käyttää myös Hermes-työkalumuotoa, ja nyt kaikki Qwen-mallit käyttävät sitä edelleen. Hermes-formaatti muodostui myös perustaksi Windsurfin swe-1-malleillemme.
Todella hienoa nähdä, että tämän laboratorion panos elää avoimessa lähdekoodissa.
Tältä se näyttää:
<|im_start|>assistentti
<tool_call>
{nimi: args:}
</tool_call>
<|im_end|>
7.1. klo 03.39
Esittelemme NousCoder-14b:n, kilpailullisen olympiaohjelmamallin.
Viimeisin blogimme esittelee laajojen kokeiden ja lokien täydelliset tulokset julkaistulla koko stackilla – RL-ympäristö, benchmark ja Atroposissa rakennettu valjas, kaikki täysin toistettavissa avoimella koulutuspinnollamme.
NousCoder-14b sai jatkokoulutuksen Qwen3-14B:llä residenssissä tutkijan toimesta, @JoeLi5050 käyttäen 48 B200-järjestelmää neljän päivän aikana, Atropos-kehystämme ja @modal:n automaattiskaalaajaa. Se saavuttaa Pass@1 tarkkuuden 67,87 %, +7,08 % Qwenin perustarkkuutta verrattuna varmennettavien suorituspalkkioiden avulla.
43
Tämä saattaa olla vuoden suosikkiartikkelini🤯
Rich Sutton väittää, että nykyiset RL-menetelmät eivät johda jatkuvaan oppimiseen, koska ne eivät perustu aiempaan tietoon, jokainen käyttöönotto alkaa alusta.
Sveitsiläiset tutkijat esittelevät Meta-RL:n, joka saattaa murtaa tämän koodin. Optimoi jaksojen välillä meta-oppimistavoitteella, joka kannustaa agentteja tutkimaan ensin ja sitten hyödyntämään. Ja sitten pohdi aiempia epäonnistumisia tulevissa agenttiajoissa.
Uskomattomat tulokset ja uskomaton artikkelin lukukokemus kokonaisuudessaan.
Kirjoittajat: @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
21
Johtavat
Rankkaus
Suosikit