Prime IntellectがPrime Inferenceを発表
Prime IntellectがPrime Inferenceを発表した。同社によると、強化学習や顧客の専用デプロイ向けにすでに数兆トークンを処理したという。
Prime IntellectがPrime Inferenceを発表した。同社によると、強化学習や顧客の専用デプロイ向けにすでに数兆トークンを処理したという。
Microsoft Researchは、既存のAIエージェントを再構築することなく強化学習トレーニングに接続できるツール「Agent Lightning」を発表した。
本ツールにより、開発者は OpenEnv、Harbor、MiMo、Verifiers、NeMo Gym にまたがる強化学習環境の探索、可視化、実行が可能になり、Hugging Face Hub 上の 1,200 万件を超えるタスクエントリを網羅する。
Pedro Cuencaは、10 GbE経由で接続したRTX 6000 GPUとM5ノートPCをまたぎ、llama.cppの標準サポートを活用してMiMo 2.6 Flashのネイティブmxfp4ウェイトを実行し、毎秒40トークンの推論速度を実証した。
CoreWeaveは、エージェントの追跡、評価、サーバーレス強化学習を連携させる環境「CoreWeave Forge」を発表した。本プラットフォームには無料の開始枠があり、新規アカウント向けに30日間のProトライアルも提供される。
テスト合格のみを目的に訓練されたモデルが不要なコードを挿入したりエラーを黙殺したりする問題に対し、Xiaomiはテスト結果に品質チェックリストスコアを乗算して対処した。調整後のMiMo-V2.6-Pro RLはArtificial Analysis Intelligence Indexで46点を獲得し、オープンウェイトモデルで首位となった。