Reflect, Retry, Reward: как RL учит LLM рефлексировать и становиться лучше +4
Публикации с тегом RL
Разработка LLM моделей для обновления кода приложений на более высокие версии фреймворков или языков программирования +5
Обыгрываем казино, с блэкджеком и стратегиями +7
Действительно ли у ИИ-агента есть внутренняя картина мира и представление о себе? +2
RL RecSys в проде: хайп или игра вдолгую +8
Динамическая адаптация награды с помощью Pydantic +4
RLHF. История становления идеи — 4. HHH: helpful, honest, harmless, Instruct LLM, Constitutional AI
RLHF. История становления идеи — 3. Supervised finetune, Протокольный сбор обратной связи, Batch RL
RLHF. История становления идеи — 2
Обучение с подкреплением на основе обратной связи от человека (RLHF). История становления идеи
Создание масштабируемых RL систем с Ape-X
Как мы готовим RL для Alignment в больших языковых моделях: опыт команды YandexGPT +91
- Блог компании Яндекс
- Алгоритмы
- Машинное обучение
- Искусственный интеллект
- Natural Language Processing
Глаза боятся, а ИИ делает: как эмоции помогают ИИ лучше управлять автомобилем
Нейросеть, генерирующая нейросети. Часть 2. RL агент создаёт свои первые нейросети
Нейросеть, генерирующая нейросети. Часть 1. Генерация случайной свёрточной нейронной сети +2
