Prime Intellect 推出 Prime Inference
Prime Intellect 推出 Prime Inference。该公司表示，该服务已为强化学习及客户专属部署处理了数万亿 token。
相关AI快讯
Hugging Face Hub 支持托管强化学习环境
强化学习环境现已可直接托管于 Hugging Face Hub，通过复用既有数据集基础设施，实现跨框架的存储、版本控制、权限门控及预览功能。
CMU 论文训练 4B 提议模型编辑智能体 harness，不改动求解器
这篇 harness 学习论文用强化学习让提议模型根据任务、当前 harness 和执行报告修改 harness 代码。训练后的 4B 提议模型在 Reasoning Gym 的单步修订上超过其 35B 教师模型，且 HotpotQA 上的训练可迁移到 MuSiQue 和 2WikiMultihopQA。
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。
Surya 正在直播 RL 训练过程
Surya 表示，其 RL 训练过程正在 brusharena.art/live 直播，灵感来自 LuoFuli。