Новости: обучение с подкреплением

Исследователи из Xiaohongshu (RED) опубликовали Evolving-RL — новый фреймворк обучения с подкреплением, позволяющий ИИ-агентам автономно развивать навыки на основе опыта без раздельных модулей для извлечения и выполнения. — pandaily.com

Фреймворк I2B-LPO от Alibaba DAMO Academy, принятый на ACL 2026 Main, повышает точность математических рассуждений до 5,3% и семантическое разнообразие до 7,4% путем направления моделей на генерацию более разнообразных траекторий рассуждений. — pandaily.com

Совместное исследование Zojian Power, Пекинского университета и CUHK представляет LaST-R1 — новую парадигму воплощенного ИИ, достигающую 99,9% успеха на бенчмарке LIBERO — на 22,5% выше, чем π0.5 в реальных задачах. — pandaily.com

Nvidia активно использует ИИ на разных этапах проектирования чипов, хотя и признает, что ИИ еще далек от полной автономной разработки. — tomshardware.com

PonyWorld 2.0 от Pony.ai позволяет автономным системам проводить самодиагностику и эволюционировать, переопределяя методы обучения ИИ для беспилотного вождения. — pandaily.com

PrismAudio от Alibaba представляет ИИ с принципом «думай, прежде чем генерировать» для создания идеально синхронизированного звукового окружения из видео. — pandaily.com

Команда Tencent Hunyuan открыла исходный код WorldCompass — фреймворка постобучения с подкреплением для моделей мира, который повышает точность выполнения сложных действий на 35 процентных пунктов. — pandaily.com

Стартап Humans&, основанный бывшими сотрудниками ведущих AI-лабораторий, привлек $480 млн на посевном раунде при оценке в $4,48 млрд. Компания разрабатывает ПО на базе ИИ для улучшения совместной работы людей, фокусируясь на инновациях в обучении моделей и их взаимодействии с пользователями.

Команда Seed от ByteDance анонсировала прорыв GR‑RL — новую систему обучения с подкреплением для VLA‑моделей, позволяющую роботам выполнять длительные точные манипуляции. Робот впервые проделал полный шнурок через обувь за один цикл, повышая успех задачи с 45,7 % до 83,3 % и сократив неудачи почти на 70 %.