IA treinada por menos de US$ 8 mil vence o número 1 de Stratego
O sistema de IA Ataraxos, do MIT, CMU, NYU e Stanford, venceu o melhor jogador de Stratego por 15 a 1 com 4 empates, treinado por menos de US$ 8 mil.
Notícias e análises sobre Aprendizado por reforço
12 artigos verificados sobre Aprendizado por reforço, produtos e movimentos do setor.
Xiaomi analisa falha de chamadas repetidas do MiMo, correção custou US$ 90 mil
A Xiaomi publicou um post técnico explicando por que o MiMo-V2.6 repetia chamadas de ferramentas idênticas em agentes de código, e como a correção final custou cerca de US$ 90 mil, bem menos que a alternativa de US$ 2,31 milhões.
DeepSeek revela base de sandbox: 3 milhões de execuções por dia
DeepSeek publica relatório técnico sobre o DSec, sua infraestrutura de sandbox para treinar agentes de IA: cerca de 3 milhões de sandboxes por dia, com pico de cerca de 380 mil instâncias simultâneas.
Xiaomi abre o código do MiMo-V2.6, índice de inteligência de 46 pontos
Xiaomi torna o MiMo-V2.6 código aberto, alcançando 46 pontos no índice de inteligência da Artificial Analysis, à frente de Kimi K3 e Qwen3.8 Max.
Hugging Face treina modelo de código para pintar aquarelas
Com apenas 178 imagens de referência avaliadas à mão e um orçamento de poucas centenas de dólares, a Hugging Face treinou por reforço um modelo de código para pintar aquarelas.
RLinf v0.3 fecha o ciclo de treino de robôs
RLinf v0.3 conecta coleta de dados, SFT, aprendizado por reforço, avaliação e implantação em robôs reais para embodied AI.
Oak Lab define meta de 20 watts para agentes que aprendem continuamente
Oak Lab define meta de 20 watts para agentes que aprendem continuamente. O texto resume os fatos verificados e o sinal que vai além de um anúncio isolado.
Sutton diz que IA generativa sozinha não faz ciência real
O pioneiro do aprendizado por reforço argumenta que modelos de próximo token não têm causalidade, experimento e experiência própria.
Pai do AlphaGo levanta US$ 1,1 bilhão para criar IA autodidata
David Silver, ex-pesquisador do DeepMind, levanta US$ 1,1 bilhão em rodada semente para a Ineffable Intelligence, avaliada em US$ 5,1 bilhões, para construir uma IA "superaprendiz" baseada em aprendizado por reforço, sem depender de dados humanos.
Nova empresa de Mira Murati atinge avaliação de US$ 12 bilhões em 14 meses
Thinking Machines Lab, startup de Mira Murati, fechou um contrato de bilhões de dólares com o Google Cloud para usar sistemas GB300 NVL72, focando no ajuste fino de modelos de IA por aprendizado por reforço.
Robô de tênis de mesa Ace, da Sony, vence humanos pela primeira vez em competição
O robô Ace, desenvolvido pela Sony AI, derrotou jogadores amadores de elite e um jogador profissional japonês em mesas de nível olímpico na sede da Sony em Tóquio, marcando a primeira vez que um robô atinge nível de elite em um esporte competitivo real.
Kimi K1.5 valida raciocínio impulsionado por aprendizado por reforço
A Moonshot AI lançou o K1.5 antes do K2, com o foco central em aprimorar a capacidade de raciocínio por meio de aprendizado por reforço puro, confirmando a viabilidade dessa abordagem em modelos de escala média.