protocol_standard · 5 menciones
Un equipo de investigación ha desarrollado AutoTavern, un sistema de agentes de LLM auto-mejorable que ha logrado construir y ejecutar un sistema de inteligencia artificial capaz de competir con los mejores jugadores humanos en Hearthstone Battlegrounds. En solo 20 días, el sistema ha desarrollado T
Hebero es un marco de trabajo para el aprendizaje por refuerzo (RL) que permite la simulación paralela en GPU para tareas de manipulación robótica heterogéneas. El sistema, basado en Isaac Lab, facilita el entrenamiento conjunto y la evaluación de una única política a través de 40 tareas distintas,
Un blog técnico detalla una metodología práctica, descrita como 'receta', para entrenar una política de aprendizaje por refuerzo (RL) capaz de pilotar un cuadricóptero a través de un circuito con compuertas. El texto, tercero de una serie sobre simulación de cuadricópteros, parte de la validación de
La ingeniera Karolina Dubiel documenta el proceso iterativo (día 30) para entrenar, en simulación, una política de aprendizaje por refuerzo (PPO) capaz de pilotar un dron octocóptero ante fallos de uno, dos y, en algunos casos, tres motores. La política final es un perceptrón multicapa de 43.400 par
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
