Использование оценок баз данных как наград RL: обучение агентов с ThinkingBox
Представлен подход к постобучению ИИ-агентов с помощью инструмента ThinkingBox. Метод позволяет преобразовывать процесс оценки работы с базами данных в сигналы вознаграждения для обучения с подкреплением (RL).
Читать в первоисточнике — Hugging Face ↗
Ещё в ленте
Как разработчики научили чат-ассистента избегать галлюцинаций и признавать незнание
Разработчики поделились опытом создания чат-ассистента, в котором разделили поддержание диалога и генерацию фактов. Система проверяет источники программным кодом, а в случае отсутствия точной информации предлагает переключиться на оператора. Такой подход снижает риск дезинформации пользователей и подкреплен кодом на Python и результатами тестов.
OpenAI готовит привлечение $30 млрд при оценке в $1,25 трлн перед IPO
OpenAI работает над новым раундом финансирования на $30 млрд при оценке в $1,25 трлн в преддверии IPO. В случае достижения оценки свыше $1 трлн компания станет самым дорогостоящим частным бизнесом в истории.
В открытом DevOps-инструменте OpsDeck появился автономный ИИ-агент
В открытом приложении для DevOps OpsDeck обновился локальный ИИ-ассистент: он научился самостоятельно подключаться к хостам и выполнять команды по заданным правилам с подтверждением пользователя. За последние три недели проект получил девять релизов и привлек внешних разработчиков.