protocol_standard · 5 menciones
Surya Narreddi, estudiante, presenta un proyecto de investigación que aplica aprendizaje por refuerzo (RL) a tareas creativas como la generación de imágenes. La propuesta responde a una limitación habitual de los modelos generativos: la única forma de intervenir en una imagen es mediante el prompt,
Ornith-1.5 es una nueva familia de modelos de inteligencia artificial de código abierto que amplía el marco de auto-mejora presentado en Ornith-1.0 hasta convertirlo en un bucle completo: el propio modelo propone nuevas tareas, genera andamios (instrucciones, herramientas y estrategias de orquestaci
LittleLearner es un proyecto de investigación que ofrece modelos de lenguaje entrenados desde cero sobre un corpus de 88.000 millones de tokens filtrado para alinearse con el currículo de educación primaria estadounidense (K–5, de kindergarten a 5.º grado). El corpus, llamado LittleCurriculum, se ob
Un nuevo estudio de aprendizaje automático cuestiona uno de los supuestos más asentados del post-entrenamiento de modelos de lenguaje: que los beneficios del aprendizaje por refuerzo (RL) se distribuyen de forma pareja entre todas las capas del transformer. Los autores demuestran que entrenar una ún
Este artículo describe el proceso de construir, desde cero, un bucle de entrenamiento de aprendizaje por refuerzo (RL) para modelos de lenguaje grandes, aplicándolo al algoritmo Dr. GRPO sobre el modelo Qwen2.5-0.5B-Instruct y la tarea GSM8K, con una sola GPU A10G. El punto de partida es una observa
