Caută în știri
5 rezultate pentru „reinforcement learning”
- 08:28roboticsRoboți cu roți, zburători și cu șase picioare își păstrează traiectoria cu o nouă metodă de învățareCercetătorii de la University of Illinois Urbana-Champaign au combinat reinforcement learning cu teoria controlului pentru ca roboții să îndeplinească sarcini și să rămână stabili. Metoda a îmbunătățit performanța de urmărire a traiectoriei cu până la 15% față de abordările existente.
- 21.10 · 20:11hardwareGoogle Cloud și NVIDIA anunță disponibilitatea generală a infrastructurii NVIDIA Vera RubinGoogle Cloud și NVIDIA anunță că instanțele A5X, bazate pe NVIDIA Vera Rubin NVL72, vor deveni disponibile în general luna viitoare, urmând ca disponibilitatea să se extindă în Europa. Platforma combină hardware de rețea NVIDIA, Virgo Network de la Google Cloud și răcire cu lichid de generația a patra pentru antrenarea AI, inferență și reinforcement learning la scară largă.
- 21.10 · 09:23roboticsArticolul AMD arată că progresul RL cu world model depinde de remedieri și metodologieAMD relatează că fine-tuning-ul cu date despre eșecuri și remedierile aduse PPO au îmbunătățit reproductibilitatea în reinforcement learning pentru roboți bazat pe world model. Totuși, erorile legate de ramificarea acțiunilor au rămas nerezolvate.
- 28.09 · 21:02aiDe la RLHF la RLVR: Evoluția Semnalelor de Recompensă și Lupta Împotriva Exploatării RecompenselorArticolul urmărește evoluția semnalelor de recompensă în învățarea prin consolidare pentru AI, trecând de la feedback-ul uman (RLHF) la LLM-as-a-Judge și, în final, la Reinforcement Learning with Verifiable Rewards (RLVR). Se subliniază cum metodele timpurii precum RLHF au incentivat carisma în detrimentul corectitudinii, iar LLM-as-a-Judge a căzut pradă Legii lui Goodhart, ducând la dezvoltarea RLVR, care se bazează pe verificarea deterministică prin compilatoare și teste unitare.
- 08.09 · 21:01aiRay Summit 2026 Evidențiază Progresele AI în Învățarea prin RecompensăRay Summit 2026 a evidențiat progrese semnificative în domeniul AI, în special în învățarea prin recompensă (RL) și aplicațiile sale. Dezvoltările cheie au inclus contribuțiile NVIDIA la scalarea RL și pipeline-urile inovatoare de AI fizic de la Lila Sciences.
