SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning https://arxiv.org/abs/2607.14777 https://www.alphaxiv.org/ru/overview/2607.14777
SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning…
0 viewsОткрыть в Telegram →
Из этого канала
- #6760небольшой апдейт. Есть спец сборка llama для архитектуры Pascal - так вот,…
небольшой апдейт. Есть спец сборка llama для архитектуры Pascal - так вот, производительность Qwen3 4B - около 50 т/с.
- #6761Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning…
Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning https://arxiv.org/abs/2607.07508 https://www.alphaxiv.org/ru/overview/2607.07508
- #6763https://github.com/NeoXider/CoreAI Сделал Фреймворк для агентных систем, в том…
https://github.com/NeoXider/CoreAI Сделал Фреймворк для агентных систем, в том числе для игр, рантайм изменения, скилы, тулколы.
- #6758ребятки кстати можете поскидывать проекты которыми занимаетесь и попиариться…
ребятки кстати можете поскидывать проекты которыми занимаетесь и попиариться здесь
- #6757https://www.reddit.com/r/HollowKnight/comments/1vh0nfp/hollowknightaireinforceme…
https://www.reddit.com/r/HollowKnight/comments/1vh0nfp/hollowknightaireinforcementlearningvshornet/ прикольно