utworzone przez Redakcja | wrz 7, 2026
Naukowcy przedstawili Iris-mini i Iris-pro – dwa agenty wyszukiwania oparte na modelach 35B i 397B parametrów, trenowane metodą łączącą SFT i uczenie przez wzmacnianie (RL) na pytaniach wieloskokowych generowanych z sieci hiperłączy.
utworzone przez Redakcja | sie 28, 2026
Naukowcy stworzyli system CARL oparty na autotelicznym uczeniu przez wzmacnianie, który autonomicznie eksploruje i kontroluje samoorganizujące się wzorce w ciągłych automatach komórkowych Lenia. W przeciwieństwie do dotychczasowych metod, agent działa w pętli...
utworzone przez Redakcja | sie 10, 2026
Model Hark Handoff osiąga wyniki przewyższające GPT 5.5 w kluczowych benchmarkach, kosztując jedynie 2,37 USD za milion tokenów. Wykorzystuje nieujawniony model bazowy z uczeniem przez wzmacnianie (algorytm GRPO), podobnym do metod trenowania AlphaGo.
utworzone przez Redakcja | cze 8, 2026
Społeczność open source zjednoczyła się wokół projektu OpenEnv, środowiska przeznaczonego do agentycznego uczenia przez wzmacnianie (RL). Projekt zyskuje szerokie wsparcie wśród deweloperów i badaczy AI.
utworzone przez Redakcja | maj 14, 2026
Naukowcy zaproponowali algorytm MAVIC, który rozwiązuje problem sprzeczności między instrukcjami językowymi a długoterminowymi celami w systemach multi-agentowych. Metoda koryguje aktualizacje Bellmana na granicach zmian instrukcji, zapewniając spójne wartości...
