Десять раундів пошуку знайшли рецепт майже вдвічі швидший за nanoGPT, потенціал автоматичного налаштування параметрів недооцінений

Переглянути оригінал
MeNews
Команда NLP Стенфордського університету демонструє нові досягнення у дослідженнях автоматизованого штучного інтелекту
Стенфордський NLP на ICML 2026 продемонстрував, як за допомогою автоматизованого виконавця перетворити попереднє навчання та подальше навчання LLM у виконавче середовище, використовуючи зворотний зв'язок для підвищення ефективності досліджень. Два методи: еволюційний пошук у задачах подальшого навчання перевищує GRPO (69,4% проти 48,0%), а формули, знайдені для попереднього навчання, швидші за nanoGPT (19,7 хвилин проти 35,9 хвилин), обидва завершуються за десять раундів пошуку; підкріплювальне навчання на основі виконавчої винагороди схильне до режимних збоїв, хоча й підвищує середню винагороду, але не підвищує верхню межу. Ця робота окреслює напрямки автоматизованих досліджень AI, орієнтованих на виконання.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • Прокоментувати
  • Репост
  • Поділіться
Прокоментувати
Додати коментар
Додати коментар
Немає коментарів
  • Закріплено