なぜここ1ヶ月ほど静かだったのか不思議に思われるかもしれません...。 簡単に言う👀と、シーズン 2 はクレイジーになるでしょう。新たな目的、洗練された焦点、コア顧客に対するより多くの洞察。新しいアップデート🫡にご期待ください

誰もがRL環境について話しています。そして、この時点で「RL環境とは何か」と尋ねるのが怖いですか? エージェントが住んでいて、現在の状態や報酬、目標が定められている世界だと考えればいい。インテリジェンスを拡張する新しい方法。 RL 環境を定義する上で最も難しいのは、コンテキストとアクションを意味のあるものにすることです。ほとんどの開業医にとって、他の新しいテクノロジーと同様に、そうではありません。 観測/行動空間+報酬関数の定義は、完全にデータの問題です...👀

2週間前、OpenAIはGPT-5をリリースしました。 話題の多くは、現在AnthropicのClaude Codeと競合しているコーディングモデルに関するものです。しかし、その新しいスキルは?実際のコーディング データに関するトレーニングを通じて得られます。 同じデータが次世代モデルを構築する研究者に公開されたらどうなるでしょうか?それがOROがやっていることです