GRPO : Le réglage fin rapide pour des sorties structurées de modèles
La méthode GRPO de Hugging Face permet d’optimiser la production de sorties structurées par les modèles de langage en seulement 100 étapes d’entraînement.
Apprentissage par renforcement
Un roguelike open-source conçu pour l’entraînement d’agents IA
Un développeur a lancé DelveRL, un roguelike open-source, spécifiquement conçu pour l’entraînement d’agents d’intelligence artificielle, facilitant ainsi la recherche en IA.
L’IA apprend le jeu réactif sur Atari Breakout après 124 expériences
Un chercheur a réussi à entraîner un agent PPO à jouer de manière réactive à Atari Breakout, simulant une approche plus humaine que les stratégies mémorisées.
Humanoid : KinetIQ Ascend approche la dextérité humaine
L’entreprise Humanoid affirme que son approche KinetIQ Ascend permet aux robots d’atteindre une dextérité quasi humaine avec 99,9 % de fiabilité.
Un débogueur détecte le « reward hacking » en apprentissage par renforcement
Une nouvelle bibliothèque, rewardspy, a été conçue pour détecter le « reward hacking » en apprentissage par renforcement, un phénomène où l’IA exploite la fonction de récompense sans réelle amélioration.
Un agent d’IA surhumain domine Generals.io grâce à l’auto-apprentissage
Un agent d’intelligence artificielle entraîné par auto-apprentissage a atteint un niveau surhumain et la première place du classement mondial sur le jeu Generals.io.
OpenAI : des traits bénéfiques rendent l’IA plus sûre et moins manipulable
Des chercheurs d’OpenAI ont montré qu’entraîner l’IA sur des « traits bénéfiques » la rend plus sûre et moins manipulable, avec des résultats probants.
OpenEnv : La communauté open source soutient l’apprentissage par renforcement agentique
La communauté open source soutient activement OpenEnv, un nouveau cadre de travail conçu pour l’apprentissage par renforcement agentique (Agentic RL), visant à créer des agents IA plus autonomes.
Un environnement MuJoCo pour drones en apprentissage par renforcement multi-agents
Un nouveau package open source pour des environnements de drones basés sur l’apprentissage par renforcement multi-agents a été dévoilé sur Reddit, offrant une plateforme pour la recherche en IA.
L’optimisation des préférences directes s’étend au-delà des chatbots
L’optimisation des préférences directes (DPO) étend son influence au-delà des chatbots pour d’autres modèles d’IA.