Prime Intellect 推出 Prime Inference
Prime Intellect 推出 Prime Inference。該公司表示，該服務已為強化學習及專屬客戶部署處理了數萬億 token。
相關AI快訊
Hugging Face Hub 支援託管強化學習環境
強化學習環境現已可直接託管於 Hugging Face Hub，並利用現有的數據集基礎設施，實現跨框架的儲存、版本控制、權限門控與預覽功能。
CMU 論文訓練 4B 提案模型編輯智能體 harness，唔改求解器
呢篇 harness 學習論文用強化學習，令提案模型根據任務、當前 harness 同執行報告修改 harness 代碼。訓練後嘅 4B 提案模型喺 Reasoning Gym 單步修訂上超越其 35B 教師模型，而 HotpotQA 上嘅訓練可轉移到 MuSiQue 同 2WikiMultihopQA。
Amazon AGI 論文提出面向智能體強化學習環境的 AutoGym
Amazon AGI 的一篇論文提出 AutoGym。它可從少量領域種子或過往模型軌跡出發，同時寫出智能體任務、可執行環境和驗證器。
Critical-State RL 只訓練會改變結果的那一次工具調用
DAIR.AI 介紹 Salesforce AI Research 的一種方法：找出多輪工具調用中動作會改變後續獎勵的那一次，並只更新該次調用。在 BFCL v4 的 missing-function 任務上，訓練所選輪次大約增加 14 分。
Surya 正在直播 RL 訓練過程
Surya 表示，其 RL 訓練過程正在 brusharena.art/live 直播，靈感來自 LuoFuli。