Rubriques tendance
#
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 | recherche précédente @windsurf_ai (Acquisition Deepmind) | @stanford
Un fait intéressant moins connu dans l'histoire des LLM -
Chaque laboratoire a son propre format d'appel d'outils, et pendant longtemps, c'était un secret assez important à garder.
Nous Research a été le premier à open sourcer son format d'appel d'outils Hermes et son modèle, qui a écrasé le classement des appels d'outils BFCL en 2024, et a montré aux gens un format d'outil et un parseur fiables.
Juste après, Qwen a commencé à utiliser le format d'outil Hermes aussi, et maintenant tous les modèles Qwen l'utilisent encore à ce jour. Le format Hermes est également devenu la pierre angulaire de nos modèles swe-1 chez Windsurf.
C'est vraiment cool de voir les contributions de ce laboratoire perdurer en open source.
Voici à quoi cela ressemble :
<|im_start|>assistant
<tool_call>
{name: args:}
</tool_call>
<|im_end|>
7 janv., 03:39
Présentation de NousCoder-14b, un modèle de programmation olympique compétitif.
Notre dernier blog détaille les résultats complets d'expériences et de journaux approfondis avec l'ensemble complet publié - l'environnement RL, le benchmark et le harnais construit dans Atropos, tous entièrement reproductibles avec notre pile d'entraînement ouverte.
NousCoder-14b a été post-entraîné sur Qwen3-14B par le chercheur en résidence @JoeLi5050 en utilisant 48 B200s au cours de 4 jours, notre cadre Atropos et l'autoscaler de @modal. Il atteint une précision Pass@1 de 67,87 %, +7,08 % par rapport à la précision de base de Qwen en utilisant des récompenses d'exécution vérifiables.
19
C'est peut-être mon article préféré de l'année🤯
Rich Sutton affirme que les méthodes RL actuelles ne nous mèneront pas à l'apprentissage continu car elles ne s'appuient pas sur les connaissances précédentes, chaque déploiement commence à zéro.
Des chercheurs en Suisse introduisent le Meta-RL qui pourrait résoudre ce problème. Optimiser à travers les épisodes avec un objectif d'apprentissage méta, ce qui incite ensuite les agents à explorer d'abord puis à exploiter. Et ensuite réfléchir sur les échecs précédents pour les futures exécutions des agents.
Des résultats incroyables et une lecture incroyable de l'article dans l'ensemble.
Auteurs : @YulunJiang @LiangzeJ @DamienTeney @Michael_D_Moor @mariabrbic
17
Meilleurs
Classement
Favoris