Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
Hugging Face BlogOpen R1 presenta su primer gran dataset de razonamiento matemático generado con DeepSeek R1
El proyecto Open R1, que busca reconstruir el pipeline de entrenamiento y los datos sintéticos de DeepSeek R1, presentó OpenR1-Math-220k, su primer conjunto de datos a gran escala para razonamiento matemático, generado localmente en 512 GPU H100. El dataset contiene 800k trazas de razonamiento para 400k problemas de NuminaMath 1.5, filtradas con Math Verify y Llama-3.3-70B-Instruct como juez, reteniendo 220k problemas con al menos una respuesta correcta. Al ajustar Qwen2.5-Math-Instruct con estos datos, OpenR1-Qwen-7B igualó el rendimiento de DeepSeek-Distill-Qwen-7B en benchmarks como MATH-500 y AIME.
Open R1: cómo usar OlympicCoder localmente para programar
El artículo explica cómo integrar el modelo de código abierto OlympicCoder 7B, del proyecto Open R1, en el editor VS Code para usarlo como asistente de programación local. Detalla la instalación de LM Studio, la descarga de la versión cuantizada GGUF de 4 bits y la conexión mediante la extensión Continue.dev. Según LiveCodeBench, la variante de 7B parámetros supera a Claude 3.7 Sonnet y GPT-4o en tareas de código.
arXiv Computer Science AI¿Puedes romper RLVER? Explorando la robustez adversaria de agentes empáticos entrenados con RL
Se evalúa el modelo de lenguaje empático entrenado con aprendizaje por refuerzo a partir de recompensas de emoción verificables (RLVER) frente a usuarios simulados. Se introduce la Puntuación de Consistencia Emocional (ECS) para determinar si el modelo mejora el estado emocional sin hacer que el estado del usuario sea más legible. Los resultados muestran que RLVER-PPO-Think supera a la línea de base sin ajustar en detección de intención oculta.
InterfaxLa superemisión de VTB para la operación con RWB no afectará la suficiencia de capital
El primer vicepresidente de la junta directiva de VTB, Dmitry Pyanov, afirmó que la superemisión de acciones para la operación con RWB no afectará la suficiencia de capital del banco o grupo. Pyanov explicó que la emisión busca invertir en capacidad financiera y mayor generación de ganancias a través del desarrollo inorgánico, no para aumentar la suficiencia. La asociación estratégica entre VTB y RWB incluye la compra del 5% de VTB por parte del banco afiliado de marketplace, y la financiación se atraerá a través del mercado mediante SPO.
Mini-R1: reproducen el "momento ajá" de DeepSeek R1 con un tutorial de aprendizaje por refuerzo
Philipp Schmid publicó un tutorial que reproduce el "momento ajá" de DeepSeek-R1 entrenando un modelo Qwen2.5-3B-Instruct con Group Relative Policy Optimization (GRPO) para resolver el Juego de la Cuenta Regresiva. El entrenamiento distribuido usó DeepSpeed y vLLM sobre 4 GPU NVIDIA H100, con 450 pasos en unas 6 horas. La tasa de éxito pasó de ~25% a los 100 pasos a 50% a los 450 pasos, y el modelo migró de un razonamiento "con palabras" a uno de tipo programático.
Presentan RWKV, una arquitectura que combina las ventajas de las RNN y los transformers
Hugging Face presentó la integración de RWKV, una arquitectura que combina ventajas de las redes neuronales recurrentes (RNN) y de los transformers, en su librería transformers. El proyecto, liderado por Bo Peng y con GPUs donadas por Stability AI, ofrece modelos de lenguaje de entre 170 millones y 14.000 millones de parámetros, además de versiones de chat (Raven) ajustadas por instrucciones. La arquitectura busca entrenar más rápido que GPT y mantener eficiencia de memoria en inferencia con contextos largos.
Aprendizaje por Refuerzo en el Plano de Decisión para Agentes de Lenguaje y LLMs
Se presenta RLiD (Reinforcement Learning in the Decision plane), un marco diseñado para optimizar directamente las probabilidades de opciones de acción ejecutables en modelos de lenguaje grandes (LLMs). Este enfoque busca mejorar la eficiencia del aprendizaje por refuerzo al eliminar la generación de tokens autoregresiva y mejorar la eficiencia del despliegue. Los experimentos demuestran mejoras en el rendimiento y la eficiencia computacional en varios entornos de juegos como ARC, Countdown y Sokoban.
Noticias encontradas
Coincidencias en título, descripción, resumen, tags, personas o periodista.
1 resultado para «RVB LAB»
Más recientes primero · Hasta 30 noticias por página
Il Fatto QuotidianoLa nueva tendencia de belleza son las "arrugas estratégicas": qué son y cuáles son los tratamientos más eficaces para combatir los signos del envejecimiento
La tendencia actual en cuidado de la piel se centra en las "arrugas estratégicas", buscando equilibrar la expresión en lugar de eliminar las arrugas por completo. Los tratamientos modernos utilizan ingredientes como retinoides, péptidos y ácido hialurónico para mejorar la longevidad de la piel. Se enfatiza la protección contra el daño oxidativo y la renovación celular a través de innovaciones en la ciencia de la piel.