General Reasoning представила Avalon-M1-Mini — модель ИИ с 120 млрд параметров, обученную совместному рассуждению с помощью метода RLCR
По данным Beating, General Reasoning представила Avalon-M1-Mini — модель со 120 млрд параметров, обученную с помощью RLCR (обучения с подкреплением на основе коллективного вознаграждения). Этот подход позволяет обучать команды из нескольких агентов, а не отдельных агентов. В модели задействовано до 8 агентов-исполнителей, которые взаимодействуют через общее рабочее пространство и доску сообщений, используя одни и те же веса модели. Метод обучали в 147 средах на более чем 2 млн различных задач; о
GateNews·7м назад
