Noul Olmo 3.1 de la Ai2 extinde antrenamentul de învățare prin întăriri pentru repere de raționament mai puternice

Ai2 a lansat Olmo 3.1, cea mai recentă iterație a familiei de modele Olmo, cu accent pe eficiență, transparență și control pentru întreprinderi. Upgrade-ul a implicat extinderea rulărilor de antrenament prin învățare prin întăriri (RL), rezultând o performanță îmbunătățită în diverse repere. Olmo 3.1 Think 32B, optimizat pentru cercetare, și Olmo 3.1 Instruct 32B, proiectat pentru urmărirea instrucțiunilor, dialoguri multi-turn și utilizarea instrumentelor, sunt modelele cheie. Modelele au arătat câștiguri semnificative în reperele de matematică, raționament și urmărire a instrucțiunilor, depășind versiunile anterioare și modelele concurente.