Acheter Cryptos
Payer en
USD
USD
Acheter & Vendre
Hot
Visa, Mastercard, SEPA et bien plus
P2P
0 Fees
Trading flexible, zéro frais
Gate Card
Payez partout avec vos cryptos
Marchés
Trader
Basique
Avancé
Futures
Futures
Accédez à des centaines de contrats perpétuels
CFD
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Earn
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Square
Square
Découvrir la valeur en crypto
Live
moments live
Analyse en temps réel du marché des cryptomonnaies
Discussion
Discutez avec des traders de cryptomonnaies
Actualités
Ce qu'il se passe dans le monde de la crypto
flower_head
Plus
Promotions
AI
Autres
CFD
Récompenses
Posts
Plus récents
Populaire
Actualités
Profil

L'équipe NLP de Stanford présente les nouvelles avancées de la recherche en IA automatisée

MeNews
robot
Création du résumé en cours
AIMPACT message, le 15 mai (UTC+8), l'équipe NLP de Stanford a présenté un nouveau travail de recherche en IA automatisée lors de la conférence ICML 2026, en construisant un exécuteur automatisé qui transforme la pré-formation et la post-formation des LLM en environnement d'exécution, et en utilisant le retour d'exécution pour améliorer l'efficacité de la recherche. La recherche a analysé deux méthodes : l'échantillonnage par recherche évolutionnaire, efficace en termes d'échantillonnage, a trouvé des méthodes supérieures à la ligne de base GRPO (69,4 % contre 48,0 %) dans les tâches de post-formation, et des formules meilleures que la ligne de base nanoGPT (19,7 minutes contre 35,9 minutes) dans les tâches de pré-formation, toutes deux terminées en dix cycles de recherche ; tandis que l'apprentissage par renforcement basé sur la récompense d'exécution fait face à un problème de défaillance de mode, augmentant la récompense moyenne mais sans améliorer le plafond. Ce travail offre une direction pour la recherche en IA automatisée orientée exécution. (Source : InFoQ)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
  • Récompense
  • 7
  • 8
  • Partager
Commentaire
Ajouter un commentaire
Ajouter un commentaire
MintColdBrew
· Il y a 2h
Le travail pour ICML 2026 est déjà si intense
Voir l'originalRépondre0
QuietRugAlarm
· Il y a 3h
19 minutes contre 36 minutes, nanoGPT a été écrasé
Voir l'originalRépondre0
Half-MeltedIceCreamPosition
· Il y a 3h
L'évolution de la recherche écrase GRPO, cette amélioration de l'efficacité est un peu incroyable
Voir l'originalRépondre0
AirdropOnTheDune
· Il y a 3h
Environnement d'exécution intégré pour la pré-formation et la post-formation, est-ce pour mettre en place une auto-itération de l'IA ?
Voir l'originalRépondre0
NodeUnderTheAurora
· Il y a 3h
Le problème de l'effondrement du mode est très réel, le hacking de récompense est un sujet récurrent.
Voir l'originalRépondre0
SeaSaltMarketMakingNotes
· Il y a 3h
Dix tours de recherche pour converger, l'efficacité de l'échantillon est plus élevée que ce que j'imaginais
Voir l'originalRépondre0
YieldNotYell
· Il y a 3h
La boucle de rétroaction de l'exécution est l'âme de l'automatisation
Voir l'originalRépondre0

  • Épinglé

plan du site