Concetto · 5 novità
Reinforcement Learning (RL)
Pagina pubblicata il · ultima novità il
Cronologia
- Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM RecommendersPer gli sviluppatori che costruiscono agenti e sistemi di raccomandazione locali, ReMaRk offre un modo per ridurre drasticamente i costi computazionali dell'addestramento RL sfruttando tutte le risposte umane valide invece di sceglierne una arbitrariamente.
- DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion ModelsPer gli sviluppatori che lavorano su AI locale o agenti generativi, DiffusionART offre una via efficiente e stabile per migliorare modelli a diffusione senza la complessità del differenziamento della reward model o l'overhead computazionale dell'EMA tuning.
- The Teacher Is a Direction, Not a Destination: Extrapolating RL-Induced Representation Residuals in On-Policy DistillationPer gli sviluppatori di LLM e agenti, RIDE offre un modo robusto per migliorare modelli locali tramite distillazione senza subire il degrado tipico degli approcci basati su output-space quando l'insegnante è già ottimizzato. Consente di sfruttare i guadagni del RL direttamente nella rappresentazione interna, migliorando la generalizzazione dello studente oltre le capacità dell'originale.
- OmniVChat: Synthesizing, Benchmarking, and Training for Native Audio-Visual DialoguePer gli sviluppatori di LLM e agenti, questo paper offre una via praticabile per bypassare la dipendenza dai costosi dataset audio-visivi annotati manualmente attraverso l'uso strategico della sintesi. È fondamentale per chi lavora su AI locale o sistemi edge, poiché riduce drasticamente i requisiti computazionali eliminando il passaggio intermedio del riconoscimento vocale.
- MintAct: A Unified Visual Agent for Digital EnvironmentsQuesta architettura è rilevante perché permette agli sviluppatori di implementare agenti autonomi robusti che operano su ecosistemi ibridi (mobile/desktop/web) senza dover mantenere modelli specializzati separati per ogni piattaforma. Inoltre, l'infrastruttura RL scalabile offre un modello replicabile per addestrare agent locali complessi in ambienti dinamici e rumorosi.