AI Hasil Latihan Kurang dari $8.000 Kalahkan Juara Stratego
AI Ataraxos buatan tim MIT, CMU, NYU, dan Stanford mengalahkan pemain Stratego dengan rekor terbaik sepanjang sejarah dengan skor 15-1-4, dilatih dengan biaya kurang dari $8.000.
Berita dan Analisis Pembelajaran penguatan
12 artikel terverifikasi tentang Pembelajaran penguatan, produk, dan perkembangan industri.
Xiaomi perbaiki panggilan tool MiMo yang berulang, hanya $90 ribu
Tim MiMo Xiaomi melacak bug di coding agent, tempat model mengulang panggilan tool yang sama, hingga ke celah pada tahap reinforcement learning, dan memperbaikinya hanya dengan sekitar $90 ribu, bukan $2,31 juta.
DeepSeek Ungkap Infrastruktur Sandbox untuk 3 Juta Sesi per Hari
DeepSeek merilis makalah tentang DSec, infrastruktur sandbox pelatihan agen AI yang menjalankan sekitar 3 juta sandbox per hari, puncak konkurensi sekitar 380.000.
Xiaomi Open Source MiMo-V2.6, Skor Indeks Kecerdasan 46
Xiaomi merilis MiMo-V2.6 sebagai open source setelah pelatihan reinforcement learning enam hari senilai 3,5 juta dolar AS, meraih skor Indeks Kecerdasan 46.
Hugging Face Latih Model Coding Melukis Cat Air dengan 178 Gambar
Hugging Face merilis catatan pelatihan yang memakai reinforcement learning GRPO dan 178 gambar referensi untuk melatih model coding melukis cat air.
RLinf v0.3 menyambung alur pelatihan robot
RLinf v0.3 menghubungkan pengumpulan data, SFT, reinforcement learning, evaluasi, dan deployment robot nyata untuk embodied AI.
Oak Lab menetapkan target 20 watt untuk agen yang terus belajar
Oak Lab menetapkan target 20 watt untuk agen yang terus belajar. Artikel ini merangkum fakta yang terverifikasi dan sinyal yang lebih luas dari satu pengumuman.
Sutton: generative AI saja tidak cukup untuk sains sejati
Pelopor reinforcement learning itu menilai model prediksi token kurang memiliki kausalitas, eksperimen, dan pengalaman sendiri.
Pencipta AlphaGo David Silver Kumpulkan $1,1 Miliar untuk AI Belajar Mandiri
Perusahaan baru David Silver, Ineffable Intelligence, mengumpulkan $1,1 miliar dalam putaran pendanaan awal dengan valuasi $5,1 miliar, menjadikannya putaran awal terbesar dalam sejarah Eropa. Mantan peneliti DeepMind ini berencana membangun AI "superlearner" melalui pembelajaran penguatan, berbeda dari pendekatan model bahasa besar yang dominan saat ini.
Perusahaan Baru Mira Murati Capai Valuasi $12 Miliar dalam 14 Bulan
Thinking Machines Lab, yang didirikan oleh mantan CTO OpenAI Mira Murati, mengamankan kontrak bernilai miliaran dolar dengan Google Cloud untuk sistem GB300 dan mencapai valuasi $12 miliar hanya 14 bulan setelah diluncurkan.
Robot Tenis Meja Ace Milik Sony Kalahkan Manusia dalam Pertandingan untuk Pertama Kalinya
Robot Ace dari Sony AI telah mengalahkan pemain tenis meja amatir elit dan profesional dalam pertandingan nyata, menandai pertama kalinya sebuah robot mencapai performa tingkat elit dalam olahraga kompetitif.
Kimi K1.5 memvalidasi penalaran berbasis pembelajaran penguatan
K1.5 dari Moonshot AI, yang dirilis sebelum K2, menunjukkan bahwa pembelajaran penguatan murni dapat meningkatkan kemampuan penalaran, memvalidasi pendekatan ini untuk penskalaan ke model yang lebih besar.