General Reasoning представила Avalon-M1-Mini: модель ШІ зі 120 мільярдами параметрів, яку за методом RLCR навчили міркувати спільно.
За даними Beating, General Reasoning представила Avalon-M1-Mini — модель із 120 мільярдами параметрів, що запроваджує RLCR (навчання з підкріпленням на основі колективної винагороди) — підхід, за якого навчаються команди з кількох агентів, а не окремі агенти. Модель підтримує роботу до 8 агентів-виконавців, які взаємодіють через спільний робочий простір і дошку повідомлень, використовуючи однакові ваги моделі. Навчена у 147 середовищах і на понад 2 мільйонах різних завдань, модель демонструє без
GateNews·10-25 06:05
