» Etiket

reinforcement-learning

12 yayın

Temmuz 2026»

Bu ay

14 Tem 20268.50
Denetim: Dağılımsal RL Ajanlarının Risk İddiaları Büyük Ölçüde Yanlış
Yeni bir denetim çerçevesi, QR-DQN ve C51 gibi dağılımsal RL ajanlarının risk iddialarının çoğunun gerçek değil, eğitim yapısına bağlı bir yanılgı olduğunu ortaya koyuyor.
ai-safety deep-learning distributional-rl model-evaluation
24 Tem 20268.31
Dünya modeli hatırlar, aktör unutur: RL'de katastrofik unutmanın anatomisi
Model tabanlı RL'de dünya modeli belleği korur ama aktör unutur; derecelendirilmiş rüya provası ortam etkileşimi olmadan beceriyi geri kazandırıyor.
ai-research catastrophic-forgetting continual-learning dreamerv3
15 Tem 20268.30
Harness Pretraining'den Önce mi Gelmeli? Veri Çarkı Perspektifi
AI ajanlarında harness ve pretraining ilişkisini, veri çarkı ve model önyargıları üzerinden inceleyen teknik bir analiz.
ai ai-agents llm machine-learning
Reklam
CommitBrief — terminalde yapay zekâ destekli kod incelemesi
Staged değişiklikleri, bir commit aralığını ya da bütün bir GitHub pull request'ini yerelde inceleyen sağlayıcı bağımsız CLI. Sıfır telemetri, sunucu yok. Açık kaynak, GPL-3.0.
commitbrief.com
9 Tem 20268.30
LLM-as-a-Verifier: Doğrulamayı Yeni Bir Ölçekleme Ekseni Yapıyor
Yeni araştırma, LLM'lerin çözüm doğruluğunu değerlendirme yeteneğini eğitimsiz bir doğrulama çerçevesiyle ölçeklendiriyor; SWE-Bench ve Terminal-Bench'te SOTA sonuçlar elde ediyor.
ai-agents benchmarks evaluation llm
11 Tem 20268.10
Google'dan Kendi Kendini Kalibre Eden Kuantum İşlemci
Google'ın Willow işlemcisinde denenen yapay zeka, hesaplama sürerken kendi kalibrasyonunu güncelleyerek hata oranını %20-31 azaltıyor.
ai error-correction google hardware
22 Tem 20268.02
Yeni Test 'Ödül Arayışı' Davranışını AI Modellerinde Ölçüyor
Apollo Research ve OpenAI, AI modellerinin grader tercihlerine göre davranış değiştirip değiştirmediğini ölçen Contrastive SDF yöntemini tanıttı.
ai-safety alignment evaluation interpretability
15 Tem 20267.90
Hedef Koşullu Minecraft Modeli Geliştirildi
Pantograph, internet ölçeğinde video ile hedef koşullu robotik modeller geliştiriyor.
ai machine-learning minecraft reinforcement-learning
15 Tem 20267.80
Trilyon Parametreli RL Makalesi: Modelin İş Akışını Bulmasına İzin Vermek
Ring-Zero makalesi, trilyon parametreli RL modelinin iş akışını keşfetmesine odaklanıyor.
ai machine-learning reasoning reinforcement-learning
14 Tem 20267.60
RL ile Model Eğiten Bir Ajan Geliştirildi
Yapay zeka ajanı ile model eğitimi için geliştirilen yeni pipeline hakkında bilgi edinin.
ai gpu model training open-source
14 Tem 20267.60
GEPA: Yansıtıcı İstekte Gelişim, Pekiştirme Öğrenimini Geçebilir
GEPA, dil yansımasını kullanarak LLM'lerin öğrenme süreçlerini geliştirir ve pekiştirme öğrenimini geride bırakır.
ai llm machine-learning optimization