Tudo Sobre Aprendizado por Reforço

shape
shape
shape
shape
shape
shape

24 itens

MPO: otimização multiescala de política para agentes LLM de horizonte longo
Artigo

MPO: otimização multiescala de política para agentes LLM de horizonte longo

Diretor de IA da Meta deixa empresa para criar rival do Office
Notícia

Diretor de IA da Meta deixa empresa para criar rival do Office

WeVisOne-VL: percepção visual unificada de objetos a pixels
Artigo

WeVisOne-VL: percepção visual unificada de objetos a pixels

Waypoint-OPD: portão temporal para transferir ganhos de RL
Artigo

Waypoint-OPD: portão temporal para transferir ganhos de RL

Beam: modelo aberto de 501B da Reflection chega ao Hugging Face
Notícia

Beam: modelo aberto de 501B da Reflection chega ao Hugging Face

Destilação entre tokenizadores distintos: cobertura não é confiabilidade
Artigo

Destilação entre tokenizadores distintos: cobertura não é confiabilidade

Reflection lança Beam, modelo aberto para rivalizar com IA chinesa
Notícia

Reflection lança Beam, modelo aberto para rivalizar com IA chinesa

On-policy ou off-policy? O que decide o resultado na destilação de LLMs
Artigo

On-policy ou off-policy? O que decide o resultado na destilação de LLMs

AWS ajusta agente de busca com RL multiturno no SageMaker
Notícia

AWS ajusta agente de busca com RL multiturno no SageMaker

ReaLVR: ancorando o raciocínio latente em evidência visual
Artigo

ReaLVR: ancorando o raciocínio latente em evidência visual

LLMs não raciocinam: o alerta de quem criou o AlphaGo
Notícia

LLMs não raciocinam: o alerta de quem criou o AlphaGo

Amazon Payments eleva conversão com bandits contextuais na AWS
Notícia

Amazon Payments eleva conversão com bandits contextuais na AWS

RIDE: extrapolar a direção induzida por RL na destilação on-policy
Artigo

RIDE: extrapolar a direção induzida por RL na destilação on-policy

OpenAI propõe safety cases para treino de IA de fronteira
Notícia

OpenAI propõe safety cases para treino de IA de fronteira

SpeakerMem-R1: memória dual para diálogos em grupo com atribuição
Artigo

SpeakerMem-R1: memória dual para diálogos em grupo com atribuição

AWS mostra treino de RL multimodal com SkyRL no HyperPod
Notícia

AWS mostra treino de RL multimodal com SkyRL no HyperPod

AWS escala RL de MoE no EKS com EFA e DeepEP: 40% mais
Notícia

AWS escala RL de MoE no EKS com EFA e DeepEP: 40% mais

NVIDIA mostra como acelerar simulação robótica com Warp e MJWarp
Notícia

NVIDIA mostra como acelerar simulação robótica com Warp e MJWarp

TypeSafe AI lança Jev, e LangChain ensina a usar com agentes
Notícia

TypeSafe AI lança Jev, e LangChain ensina a usar com agentes

SageMaker serverless: Qwen3-8B para etiquetar produtos em escala
Notícia

SageMaker serverless: Qwen3-8B para etiquetar produtos em escala

Google propõe treino com RL para acelerar buscas complexas com IA
Notícia

Google propõe treino com RL para acelerar buscas complexas com IA

SenseNova-U1.5: IA visual unificada sem encoder nem VAE
Artigo

SenseNova-U1.5: IA visual unificada sem encoder nem VAE

AuK: modelo aberto unifica geração e edição de fala
Artigo

AuK: modelo aberto unifica geração e edição de fala

WMRL: modelo de mundo substitui execução no RL de agentes de pesquisa
Artigo

WMRL: modelo de mundo substitui execução no RL de agentes de pesquisa