Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Nous Research
Nous Research lagt ut på nytt
Arena-Hard-evalueringsmiljøet er nå slått sammen med Atropos - nyt skalerbar, fleksibel og moderne evaluering med @lmsysorg arena-hard benchmark som er veldig god til å bestemme et bredt spekter av evner i modeller.
Klar til å være et RL-miljø hvis du også tar med ditt eget togsett :)
Finn ut mer på
6,78K
Vår Researcher in Residence-@yaboilyrical vil diskutere sitt arbeid med SMC-styring ved UC Berkeley 3.
Sjekk ut bloggen om dette arbeidet her:
Detaljer nedenfor!
25. juli 2025
Jeg er glad for å kunngjøre at jeg vil være foredragsholder på @BerkeleyRDI DeAI Summit, og presentere forskningen min med @NousResearch om begrenset språkdekoding!
Hvis du deltar på toppmøtet, eller ønsker å komme og se foredraget mitt, vennligst kontakt meg!
10,53K
Atropos v0.3 er nå ute!
RL Environments-rammeverket vårt har sett mange oppgraderinger siden v0.2 - noen høydepunkter:
- Atropos kan nå brukes som et benchmarking- og evalueringsrammeverk av @rogershijin, med vår første eksterne benchmark, Reward-Bench 2!
- La til Reasoning Gym, et eksternt treningsstudio som er portert til atropos med over 100 resonneringsoppgaver av @neurosp1ke og venner.
- @max_paperclips integrerte @intern_lm resonnement-bootcamp, og la til 1000+ nye resonneringsoppgaver for RL
- @dmayhem93 hovedingeniøren til Atropos lagt til dusinvis av feilrettinger og andre forbedringer av pålitelighet og kompatibilitet, bedre støtte for multi-miljø og CI/CD
- Mange av Atropos hackathon-miljøene har blitt slått sammen til /environments/community - å liste dem alle ville ta opp mesteparten av skjermplassen, men noen høydepunkter:
VR-CLI av @JakeABoggs, filosofi RLAIF, adaptive LLM-lærere, WebVoyager, proteindesign av @hallerite, et modellrutingsmiljø av @gabinfay, flere på lean-bevis, catbot-arenaen, pokémon-oppgjør, poker, hjelpsomme leger, sanskrit-poesi av @khoomeik og mye mer!
- Andre bemerkelsesverdige offisielt støttede nye miljøer inkluderer:
Svarformat følgende miljø
Pydantisk til JSON-miljø portert fra @MatternJustus arbeid
Instruksjon Følger portert fra @natolambert og @allen_ai arbeid
Brevtelling
- 47 helt nye bidragsytere!
Sjekk ut hele endringsloggen her:
18. juli 2025
Har nettopp slått sammen en PR for et miljø for å forbedre LLM som dommer, samt evaluere modeller på deres evne til å gjøre vurderinger!
Visste du at alle verifiserbare RL-miljøer er nesten likeverdige med benchmarks (og omvendt!)? Så vi la til en evalueringskommando til Atropos' base, og nå kan du kjøre benchmarks gjennom Atropos-miljøer.
Vi ble frustrerte over å jobbe med så mange benchmark-rammeverk som var utdaterte eller ubrukelige, så vi implementerte kun evalueringsmodus i Atropos, vårt RL-miljørammeverk.
Så vår første havn utenfor våre eksisterende miljøer var @natolambert's Reward-Bench!
Merk: den støtter bare generative belønningsmodeller (vanlige LLM-dommere) for øyeblikket.
Sjekk ut PR her:
25,02K
Nous Research lagt ut på nytt
Det var morsomt å jobbe med @huggingface-teamet for å gjøre denne funksjonen til virkelighet! Takk for alt ditt arbeid og kreativitet @pcuenq @reach_vb @julien_c @ariG23498 !
Også takk til @NousResearch @Teknium1 @Euclaise_ for å være tidlig ute med å ta i bruk tilpassede bærbare datamaskiner og jobbe med dette sammen med oss!
31,42K
Topp
Rangering
Favoritter