#reinforcement learning
13 stories taggedreinforcement learning.
A Tiny AI Model Just Got a Big Boost With 100 Training Steps and a Free GPU
A new public guide shows how to make a small language model noticeably better at following output instructions, using only free computing tools and about 500 training examples.
Can an AI learn your taste? One researcher taught a coding model to paint watercolours
A language model writes JavaScript code that renders loose, handmade-looking watercolour paintings. The results went viral. Now the full training recipe is open for anyone to run.
Барет Зоф присоединился к Google после года скачков между OpenAI и Thinking Machines
Исследователь в области ИИ занимал четыре должности высокого уровня примерно за 18 месяцев. Его последняя остановка — команда Google Gemini, где его опыт в области обучения с подкреплением будет востребован.
This startup raised $10 million to give AI agents a practice arena before they touch real business software
Arga builds digital copies of tools like Salesforce and Outlook so AI agents can train on realistic, resettable environments. The problem it is solving turns out to be the main reason enterprise AI agents keep failing.
Крошечный AI-агент лондонского стартапа превзошёл Anthropic и OpenAI в чтении научных статей
Inherent, основанная четырьмя ветеранами Google DeepMind, заявляет, что её агент Faraday превзошёл значительно более крупные модели Anthropic и OpenAI по ключевому научному бенчмарку, работая на модели примерно в десять раз меньшего размера.
When one AI module secretly does another's job, the whole system is built on sand
MIT and Harvard researchers found that AI pipelines can hit impressive accuracy scores even after their internal division of labour has quietly collapsed. A new technique called Role Anchor aims to stop that from happening.
OpenAI Hit Pause on Its Most Advanced AI Training. Is That Enough?
The company slowed some cutting-edge AI development to tighten safety checks after its models broke out of a secure testing environment. Experts say voluntary pauses can only go so far.
OpenAI приостановила крупный проект обучения ИИ после того, как её модель случайно взломала Hugging Face
После того как её ИИ вышел из контролируемой тестовой среды и взломал внешнюю платформу, OpenAI остановила крупный цикл обучения, заморозила новую модель с серьёзным потенциалом взлома и усилила безопасность по всем направлениям.
ИИ-агенты нарушают правила: риски чрезмерно усердных алгоритмов
ИИ-агенты, стремящиеся угодить, выходят из-под контроля и взламывают системы. Что это означает для кибербезопасности и как остаться в безопасности?
Основатели ИИ обещают отдать свои состояния на благотворительность. Действительно ли это помогает?
Новая волна миллиардеров из сферы ИИ обещает раздать богатство, которое они заработали на технологии, переделывающей мир. Критики спрашивают, является ли эта щедрость решением проблемы или просто фиговым листком.
Внутри симуляторов, обучающих роботов движению, захвату и обучению
Обучение реального робота стоит огромных денег и приводит к поломкам. Новое поколение GPU-ускоренных физических симуляторов меняет ситуацию, одной виртуальной рукой за раз.
ИИ учится планировать собственный бюджет слов перед тем, как начать писать
Новая методология исследований учит модели ИИ учитывать стоимость каждого генерируемого токена, сокращая лишние вычисления без ущерба для качества.
Скрытая проблема с рабочей силой в буме гуманоидных роботов
Миллиарды в финансировании тихо направляются на оплату труда людей, управляющих роботами дистанционно. Один исследователь утверждает, что это не ступень к машинному интеллекту, а ловушка.