Агенты ИИ | AGI_and_RL@AGI_and_RL
Про ии, RL и в целом @tokarev_i_v https://t.me/researchim
Последние посты (60)
- #140026 окт. 2026 г.713 views
кстати нвидия выложили 472гб 3д асетов для ваших симуляторов…
кстати нвидия выложили 472гб 3д асетов для ваших симуляторов https://huggingface.co/datasets/nvidia/simready-assets
- #139925 окт. 2026 г.600 views
На волне хайпа анлока видеокарт раздуплил один из своих старых серваков с…
На волне хайпа анлока видеокарт раздуплил один из своих старых серваков с CMP90HX (была куплена за 7к). По итогам, анлокнув через этот репо, побенчил на gemma-4-E4B q2. Максимальный прирост префилла составил х6(!) а декода х2.5.
- #139823 окт. 2026 г.754 views
ля ну это просто прикольно) именно для этого всегда и нужен был ии…
ля ну это просто прикольно) именно для этого всегда и нужен был ии https://www.reddit.com/r/reinforcementlearning/comments/1xdfl7d/gettingoveritusingdrl https://github.com/miwate/getting-over-it-rl https://huggingface.co/miiwater/goi-rl
- #139722 окт. 2026 г.668 views
у биологических праздник https://huggingface.co/HuggingFaceBio/Carbon-X…
у биологических праздник https://huggingface.co/HuggingFaceBio/Carbon-X https://huggingface.co/spaces/HuggingFaceBio/Carbon-X-Release Carbon-X — специализированная языковая модель на 14,8 млрд параметров, которая одновременно понимает обычный человеческий язык и…
- #139522 окт. 2026 г.878 views
чел рассказывает как делал енв чтобы агент собирал данные (400 млн токенов) для…
чел рассказывает как делал енв чтобы агент собирал данные (400 млн токенов) для претрена небольшой типа nanogpt модельки оч прикольно https://justin-chae.org/blog/pretraingym/
- #139325 сент. 2026 г.970 views
гайдик по ллм рл (eng) https://cameronrwolfe.substack.com/p/llm-rl
гайдик по ллм рл (eng) https://cameronrwolfe.substack.com/p/llm-rl
- #138918 сент. 2026 г.978 views
Челы натренили прям оч мелкие модельки 25М-121М параметров чтобы на всяких…
Челы натренили прям оч мелкие модельки 25М-121М параметров чтобы на всяких микродевайсах гонять и на некоторых спец задачах должны быть лучше чем более крупные модельки в целом прикольно что они прям оч мелкие.
- #138817 сент. 2026 г.741 views
штошь. это оно еще не на looped fly brain построено…
штошь. это оно еще не на looped fly brain построено https://www.reddit.com/r/LocalLLaMA/comments/1wi9fau/qwen3827brunningfor63hoursonartx3090to/
- #138716 сент. 2026 г.416 views
"☁☁☁☁☁☁☁ Ребятки, там 24 сентября состоится Yandex Scale 2026 от Yandex Cloud.…
"☁☁☁☁☁☁☁ Ребятки, там 24 сентября состоится Yandex Scale 2026 от Yandex Cloud. Будут пять треков: AI, Data, Security и Hybrid Infrastructure & DevOps, а еще чисто онлайновый DeepTech.
- #138416 сент. 2026 г.486 views
Ребятки учили Qwen 3.5 35B A3B молекулы дизайнить. Надеюсь молекулярные на…
Ребятки учили Qwen 3.5 35B A3B молекулы дизайнить. Надеюсь молекулярные на месте дальше от ллмки тк что именно за датасеты и фреймворки молекулярные и как они работают я не особо понимаю: Как устроен процесс трена 1.
- #138313 сент. 2026 г.561 views
Сделал студию для симуляций и обучения роботов. Пока что есть поддержка только…
Сделал студию для симуляций и обучения роботов. Пока что есть поддержка только ACT и SmolVLA на роборуке за 100 баксов - so100. Куча твиков, ведро готовых ассетов, RL, и прочие вкусности в комплекте.
- #138113 сент. 2026 г.758 views
скоро топ 1 овервотча
скоро топ 1 овервотча
- #138012 сент. 2026 г.389 views
Коллеги, мы сейчас пытаемся заставить ллм продвигать математику. В нашем…
Коллеги, мы сейчас пытаемся заставить ллм продвигать математику. В нашем проекте CayleyPy у нас много гипотез которые идеально ложатся на ллм - с одной стороны они (вероятно) не супер сложны, с другой стороны достаточно нетривиальны.
- #137910 сент. 2026 г.810 views
Кажется я знаю на чем построена новая моделька OpenAI которая зарешала…
Кажется я знаю на чем построена новая моделька OpenAI которая зарешала Навье-Стокса
- #137710 сент. 2026 г.820 views
Дипсики нам выложили мультимодальный DeepSeek-V4.1-Flash 552B A8/16B кажется…
Дипсики нам выложили мультимодальный DeepSeek-V4.1-Flash 552B A8/16B кажется прям круто) хотя дома мало кто сможет запустить но мб корпам/стартапам пойдет https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash Квантов анслота пока не видел
- #13769 сент. 2026 г.537 views
ее уже в браузерную игру запихнули. https://github.com/dzhng/fly-escape…
ее уже в браузерную игру запихнули. https://github.com/dzhng/fly-escape https://fly-escape.vercel.app/ Вообще я думаю может в рл студию как-то тоже добавить но это чисто для прикола конечно
- #13759 сент. 2026 г.569 views
Про лупед трансформеры которые возможно лежат в базе Астры…
Про лупед трансформеры которые возможно лежат в базе Астры https://magazine.sebastianraschka.com/p/gpt-6-astra-looped-transformers-and
- #13749 сент. 2026 г.1 045 views
там рлем учат тот самый мозг мухи играть в beat saber…
там рлем учат тот самый мозг мухи играть в beat saber https://x.com/lyraaaa/status/2097527368919470162
- #13719 сент. 2026 г.963 views
Майкрософты потюнили 4B Qwen-3.5 на 61.5% Swe-bench verified чисто генерацией…
Майкрософты потюнили 4B Qwen-3.5 на 61.5% Swe-bench verified чисто генерацией задач и рлем FrogNano: Training a 4B Coding Agent via Online Task Synthesis https://microsoft.github.io/debug-gym/static/papers/frognanotechnicalreport.pdf https://microsoft.github.io/debug-gym/
- #13708 сент. 2026 г.578 views
Достаточно нишевая инфа про скейлинг ллмного рля на Jax для TPU но мб вам…
Достаточно нишевая инфа про скейлинг ллмного рля на Jax для TPU но мб вам интересно https://adityamakkar000.github.io/posts/async-rl-jax.html
- #13694 сент. 2026 г.791 views
Алибаба потюнили Qwen 3.6-35B-A3B чтобы он лучше обслуживал аватара на стримах…
Алибаба потюнили Qwen 3.6-35B-A3B чтобы он лучше обслуживал аватара на стримах нуи в целом схема как там устроено все на скрине, прикольно Training Agents to Evolve with Their Harness: TaoLive Digital Avatar Agent Technical Report https://arxiv.org/abs/2608.15763…
- #13672 сент. 2026 г.684 views
Квены потренили Qwen 3.5 4B для автопилота, только добавили к нему голову в…
Квены потренили Qwen 3.5 4B для автопилота, только добавили к нему голову в которую 3D данные со сцены заходят (BEV Perception Head) + добавлен planning expert это 32 слоя диффузионного трансформера который генерит траекторию движения (50 точек на 5 секунд) из шума (noisy…
- #13662 сент. 2026 г.701 views
Пока ходил искал алгоритмы которые в студию завести полезно собрал список Zero…
Пока ходил искал алгоритмы которые в студию завести полезно собрал список Zero алгоритмов Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm https://arxiv.org/abs/1712.01815 https://www.alphaxiv.org/ru/abs/1712.01815 Mastering Atari, Go, Chess…
- #13641 сент. 2026 г.397 views
Небольшой апдейт по студии…
Небольшой апдейт по студии https://github.com/researchim-ai/reinforcement-studio туда добавлены некоторые multi agent rl алгоритмы world models и алгоритмы которые с ними работают efficient zero v2 (на скрине тренится на одной из задач nethack куча енвов все пока в процессе…
- #13631 сент. 2026 г.779 views
автор пишет что потренил трансформер на 28м параметров за 1.5 часа на 5090 и…
автор пишет что потренил трансформер на 28м параметров за 1.5 часа на 5090 и выбил 44% на ARC-AGI-1 https://mvakde.github.io/blog/44-on-arc-1/ https://github.com/mvakde/mdlARC/
- #136231 авг. 2026 г.284 views
Кстати я тут завел бусти если у кого-то появится желание поддержать то чем мы…
Кстати я тут завел бусти если у кого-то появится желание поддержать то чем мы занимаемся в https://t.me/researchim то вот 🥰🪳 https://boosty.to/researchim
- #136131 авг. 2026 г.699 views
прикольное про трен мелких моделек Авторы рассказывают как претренили 2B…
прикольное про трен мелких моделек Авторы рассказывают как претренили 2B модельки на кластере 5090 (24x5090 на первой фазе за $4.4k и 96x5090 на второй за $6.9k) и достигли перформа Qwen2-1.5B Puro-2B: Poor Lab's Qwen2-1.5B Trained on RTX 5090 within $5090…
- #136027 авг. 2026 г.643 views
машинка научилась ездить по трассе, хз что еще нужно в той рл студии за 40 минут
машинка научилась ездить по трассе, хз что еще нужно в той рл студии за 40 минут
- #135826 авг. 2026 г.480 views
еще квеновое приехало 125B A6B + 51B наверное как дипсик флеш должно быть по…
еще квеновое приехало 125B A6B + 51B наверное как дипсик флеш должно быть по уму. я попозже тоже попробую запустить https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF кто будет гонять отпишитесь потом
- #135425 авг. 2026 г.946 views
"начал делать локальную студию для RLя (потому что все должны рлить) там…
"начал делать локальную студию для RLя (потому что все должны рлить) там добавлены сейчас 88 енвов, ерализованы многие популярные алгоритмы также алгоритмов добавлена память на LSTM/GRU есть селф-плей alphazero с несколькими средами есть возможность запускать несколько…
- #135325 авг. 2026 г.387 views
Буквально лучший поиск, один из самых быстрых дешвле соседей и с тем же…
Буквально лучший поиск, один из самых быстрых дешвле соседей и с тем же качеством keenable.ai - юзать отсюда и всем по 100к бесплатных поисков на месяц релиза поддерижите в твиттере запуск techcrunch
- #135123 авг. 2026 г.606 views
Q-Learning With World Models https://arxiv.org/abs/2608.17163…
Q-Learning With World Models https://arxiv.org/abs/2608.17163 https://www.alphaxiv.org/ru/abs/2608.17163
- #135021 авг. 2026 г.253 views
добавил в однокликового ресечагента qwen 3.8 27B моделька очень крутая но много…
добавил в однокликового ресечагента qwen 3.8 27B моделька очень крутая но много думает и говорят иногда может подчистить вам всю репу если кто хочет попробовать https://github.com/researchim-ai/one-click-research-agent/releases/tag/v0.1.4 сам репозиторий…
- #134917 авг. 2026 г.452 views
https://artificialanalysis.ai/models/qwen3-8-27b думайте
https://artificialanalysis.ai/models/qwen3-8-27b думайте
- #134814 авг. 2026 г.598 views
Забираем, тестим, отписываем что да как https://huggingface.co/Qwen/Qwen3.8-27B…
Забираем, тестим, отписываем что да как https://huggingface.co/Qwen/Qwen3.8-27B Кванты https://huggingface.co/unsloth/Qwen3.8-27B-GGUF
- #134713 авг. 2026 г.281 views
завтра уже https://huggingface.co/Qwen/Qwen3.8-27B 🪳🪳🪳
завтра уже https://huggingface.co/Qwen/Qwen3.8-27B 🪳🪳🪳
- #134613 авг. 2026 г.631 views
ля вот и DeepSeek-V4-Pro-0813 1.57T A48B…
ля вот и DeepSeek-V4-Pro-0813 1.57T A48B https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-0813 гуфы тут будут https://huggingface.co/unsloth/DeepSeek-V4-Pro-0813-GGUF я даже хз что и сказать. ни дня без крутого релиза все еще ждем 27б квен
- #134512 авг. 2026 г.411 views
А вот и Qwen 3.8 2.4T релизы крутые в последнее время конечно гуфы…
А вот и Qwen 3.8 2.4T релизы крутые в последнее время конечно гуфы https://huggingface.co/unsloth/Qwen3.8-2.4T-A95B-GGUF самому негде запускать это ждем 27B модельку которую тоже обещали
- #13443 авг. 2026 г.445 views
Обновил ресеч агента на квенах Это для тех кто хотел бы работать на своей тачке…
Обновил ресеч агента на квенах Это для тех кто хотел бы работать на своей тачке с локальными модельками теперь добавился режим с поиском инфы по разным источникам (научным типа архива и опеналекс) и по вебу с отчетом по результатам типа дипресеча - задаете ему тему например…
- #134331 июл. 2026 г.655 views
кажется неплохой дроп от дипсиков - апдейт для v4 flash…
кажется неплохой дроп от дипсиков - апдейт для v4 flash https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731 ggufы уже готовятся https://huggingface.co/unsloth/DeepSeek-V4-Flash-0731-GGUF
- #134230 июл. 2026 г.579 views
Нужна ваша помощь! 👀👀👀 Мы, Steelman Labs, написали наш первый блог-пост: о том,…
Нужна ваша помощь! 👀👀👀 Мы, Steelman Labs, написали наш первый блог-пост: о том, что не так с computer use и как мы это решаем. А ещё выложили красивый демо-видос.
- #134127 июл. 2026 г.724 views
ну штош выложили веса Kimi K3 (2.8TA104b) - это который фейбл дома наверное…
ну штош выложили веса Kimi K3 (2.8TA104b) - это который фейбл дома наверное самый важный релиз со времен квенов 3.5, правда совсем другой весовой категории муншоты легенды🥰 именно для таких релизов нужны OpenAI, Anthropic и все остальные жаль в 3090 не влезет…
- #134019 июл. 2026 г.787 views
про ризонинге и как уровень рассуждений контролировать и настраивать в ллм…
про ризонинге и как уровень рассуждений контролировать и настраивать в ллм https://magazine.sebastianraschka.com/p/controlling-reasoning-effort-in-llms
- #133915 июл. 2026 г.838 views
Чел показывает как потюнить ллмку рлем чтобы она тюнила маленькие ллмки рлем,…
Чел показывает как потюнить ллмку рлем чтобы она тюнила маленькие ллмки рлем, прикольно https://github.com/Danau5tin/ai-trains-ai
- #13389 мая 2026 г.1 339 views
Мои хорошие новый релизик полностью локального кодинг агента на квенах который…
Мои хорошие новый релизик полностью локального кодинг агента на квенах который ставится за одно нажатие https://github.com/researchim-ai/one-click-coding-agent https://github.com/researchim-ai/one-click-coding-agent/releases/tag/v0.1.3 Там Qwen 3.6 35B, 27B Qwen 3.5 35B, 9B Для…
- #133725 апр. 2026 г.738 views
QClaw-4B — это языковая модель, дообученная для агентных задач и работы с…
QClaw-4B — это языковая модель, дообученная для агентных задач и работы с инструментами в рамках OpenClaw-совместимых фреймворков. Основана на Qwen3.5-4B.
- #133514 апр. 2026 г.328 views
"🚀 Серия соревнований по МЛ ! С денежными и другими призами ! Кому интересен…
"🚀 Серия соревнований по МЛ ! С денежными и другими призами ! Кому интересен МЛ/RL или математика или пазлы или роботы. Приглашаем Вас принять участие в серии челленджей.
- #133411 апр. 2026 г.835 views
Кстати из небольших новостей я начал недавно пробовать стримить Не по иишке…
Кстати из небольших новостей я начал недавно пробовать стримить Не по иишке правда а больше по играм. Сделал рандом канальчик по игрушке в которой время провожу. Хотелось чисто попробовать и понять а что это вообще и есть ли смысл. Понял что смысл есть.
- #133311 апр. 2026 г.911 views
кстати ребятки у нас кроме ван-клик-кодинг агента еще делается ван-клик-ресеч…
кстати ребятки у нас кроме ван-клик-кодинг агента еще делается ван-клик-ресеч агент это почти тоже самое но нацеленное на работу со статьями внутри также https://huggingface.co/Qwen/Qwen3.5-35B-A3B Конкретно гуфы от анслота https://huggingface.co/unsloth/Qwen3.5-35B-A3B-GGUF а…
- #13323 апр. 2026 г.1 669 views
https://arxiv.org/abs/1312.5602
https://arxiv.org/abs/1312.5602
- #133119 мар. 2026 г.7 378 views
прикольно дизайнить процессоры агентами Design Conductor: An agent autonomously…
прикольно дизайнить процессоры агентами Design Conductor: An agent autonomously builds a 1.5 GHz Linux-capable RISC-V CPU https://arxiv.org/abs/2603.08716 https://www.alphaxiv.org/ru/overview/2603.08716
- #133011 мар. 2026 г.3 009 views
кстати у нас там обнова в локальном кодинговом агенте…
кстати у нас там обнова в локальном кодинговом агенте https://github.com/researchim-ai/one-click-coding-agent/releases/tag/v0.1.1 на самом деле оно должно быть v0.2 потому что там прям много чего добавлено. но ладно.
- #132910 мар. 2026 г.2 620 views
а вот это прикольное применение опенклав Most RL-for-LLM systems assume…
а вот это прикольное применение опенклав Most RL-for-LLM systems assume centralized, batch-mode training with pre-collected datasets. OpenClaw-RL takes a fundamentally different approach: it wraps your self-hosted model in OpenClaw as an OpenAI-compatible API, intercepts live…
- #13285 мар. 2026 г.2 633 views
https://openai.com/index/introducing-gpt-5-4/ квен 4 хороший будет
https://openai.com/index/introducing-gpt-5-4/ квен 4 хороший будет
- #13273 мар. 2026 г.2 904 views
ребятки, новые квены 3.5 получились отличные. респект квенам отдельное спасибо…
ребятки, новые квены 3.5 получились отличные. респект квенам отдельное спасибо OpenAI, Anthropic, Google за такие крутые модельки. эти компании со своими фронтирами для того и нужны чтобы были у нас крутые квены щас локально работаю с 35b и 9b в q4 - все классн я вообще думаю…
- #13263 мар. 2026 г.1 788 views
про нейронки и машинное обучение простыми словами Из каждого утюга сказали про…
про нейронки и машинное обучение простыми словами Из каждого утюга сказали про нейронки, но никто так и не смог донести до меня простыми словами, как именно чат жпт и дипсик выдают ответ на наши вопросы. Ко мне на подкаст пришел Борис, который пишет книгу про ИИ для всех.
- #132528 февр. 2026 г.2 138 views
🥰 завтра весна 🥰
🥰 завтра весна 🥰
- #132427 февр. 2026 г.2 388 views
https://voxelbench.ai/compare бенч моделек на генерации всякого из кубиков…
https://voxelbench.ai/compare бенч моделек на генерации всякого из кубиков довольно прикольно выглядит можно пооценивать и полюбоваться
- #132327 февр. 2026 г.2 326 views
приятно знать что у Сэма появились деньги чтобы делать инструменты для всех нас…
приятно знать что у Сэма появились деньги чтобы делать инструменты для всех нас кстати кодексом 5.3 я доволен
- #132126 февр. 2026 г.2 533 views
там кстати челы выложили датасеты которые использовали для трена…
там кстати челы выложили датасеты которые использовали для трена Goedel-Prover-V2 - модельки для доказательств теорем выходила моделька и статья в августе 2025 сама папир Goedel-Prover-V2: Scaling Formal Theorem Proving with Scaffolded Data Synthesis and Self-Correction…