Найдено записей: 8
'Agent0 коэволюционирует генератор задач и исполнителя из одного базового LLM, используя песочницу Python и адаптивный RL для улучшения математических и общих навыков без внешних данных.'
'Модель rStar2-Agent использует исполнение Python-кода в цикле рассуждений, что позволяет 14-миллиардной модели обойти более крупные системы на математических бенчмарках.'
ByteDance представила Seed-Prover — инновационную систему доказательства на основе лемм, которая добилась прорывных результатов, решив 5 из 6 задач IMO 2025 и превзойдя множество других бенчмарков.
Microsoft представила Phi-4-mini-Flash-Reasoning — компактную модель с 3.8 млрд параметров, оптимизированную для эффективного анализа длинных контекстов и быстрого вывода, превосходящую предыдущие модели на сложных задачах.
Meta и NYU разработали полуонлайн метод обучения с подкреплением, который балансирует офлайн и онлайн подходы для улучшения выравнивания больших языковых моделей и повышения их производительности в инструкциях и математике.
OMEGA — новый бенчмарк для проверки границ математического рассуждения больших языковых моделей, фокусируясь на исследовательском, композиционном и трансформационном обобщении.
GURU представляет многоцелевой набор данных и модели обучения с подкреплением, значительно повышающие способности больших языковых моделей к рассуждению в шести различных областях и превосходящие предыдущие открытые модели.
MiMo-7B от Xiaomi — компактная языковая модель, которая благодаря продвинутому предобучению и обучению с подкреплением превосходит более крупные модели в задачах математики и программирования.