Фільтр по тегу
Дослідники Google та DeepMind представили Dream‑RSI — агент, який рекурсивно покращує стратегію дослідження, скорочуючи виклики до 162 раз і підвищуючи якість результатів.
cpaua1 хв50У Recurrent Looped Transformer декодер стає рекурентним для кожного токена, використовуючи KV‑пам’ять, кеш активізацій і зберігає стан між запитом і відповіддю.
cpaua1 хв84Harness-1 — пошуковий агент на 20B параметрів, що виносить стан пошуку в зовнішній harness-шар і конкурує з більшими моделями на довгих задачах.
cpaua1 хв236RL_Envs_101 допомагає створювати RL-середовища в OpenEnv, OpenReward, Verifiers, NemoGym тощо, з прикладами та установкою через npx.
cpaua1 хв266
