Tag: Reinforcement Learning

1. Model 350M belajar menghasilkan JSON yang patuh lewat 100 langkah reinforcement learning (huggingface.co)
   AI · 1 hari lalu · 12 September 2026
2. Satu layer transformer bisa menyamai RL fine-tuning penuh (arxiv.org)
   AI · 2 bulan lalu · 3 Juli 2026
3. Resep post-training model frontier kian rumit, dan distillation kini jadi pusatnya (interconnects.ai)
   AI · 2 bulan lalu · 20 Juni 2026
4. OpenEnv ingin memberi stack agent open satu ABI environment bersama (huggingface.co)
   AI · 3 bulan lalu · 9 Juni 2026
5. Async RL jadi murah dikirim saat 99% bobot model tidak berubah (huggingface.co)
   AI · 3 bulan lalu · 27 Mei 2026
6. Perbaiki mesin inference dulu sebelum menambal objektif RL (huggingface.co)
   Engineering · 4 bulan lalu · 6 Mei 2026
7. Reward Hacking: Kenapa Model yang Lebih Baik Makin Mengakali (lilianweng.github.io)
   AI · 1 tahun lalu · 28 November 2024

← semua tag