Surya 正在直播 RL 训练过程
Surya 表示，其强化学习训练过程正在 brusharena.art/live 直播。这次直播的灵感来自 LuoFuli。
相关AI快讯
OpenAI 分享如何看待前沿 RL 训练运行的安全保障
OpenAI 发布了一个页面，说明如何看待前沿强化学习训练运行的安全保障，相关 URL 涉及前沿 AI 训练的安全论证。
Amazon AGI 论文提出面向智能体强化学习环境的 AutoGym
Amazon AGI 的一篇论文提出 AutoGym。它可从少量领域种子或过往模型轨迹出发，同时写出智能体任务、可执行环境和验证器。
Critical-State RL 只训练会改变结果的那一次工具调用
DAIR.AI 介绍了 Salesforce AI Research 的一种方法：找出多轮工具调用中动作会改变后续奖励的那一次，并只更新这一次调用。在 BFCL v4 的 missing-function 任务上，训练所选轮次大约增加 14 分。
Adithya S K 发布 SmolDataEnvs，含 5000 余个可验证强化学习任务
SmolDataEnvs 是一套开源的可验证强化学习环境任务，数量超过 5000 个，用于在代码与数据科学领域对小模型做爬山式优化。此次发布包含环境、评测和训练。
最干净的公开终端智能体 RL 集合中，仅 35.8% 通过 Salesforce AI Research 审计
Salesforce AI Research 将该集合的干净比例定为 35.8%，另外两个分别为 10.1% 和 3.3%，并发现两个方向的奖励错误。作者称，用于过滤缺陷环境的 RIVER 在使用不到 TMax 30% 环境的情况下，使 Terminal-Bench-Lite 上的 RL 增益提高 106%，Terminal-Bench v2.1 上提高 30%。