Ir al contenido
IA para hoy

GRPO

Noticias etiquetadas con «GRPO»

5 noticias

Filtrar
Investigación

Microsoft usa la verificación del estado de una base de datos como recompensa para entrenar agentes de IA

Microsoft publicó ThinkingBox-Training, un método que usa como recompensa de aprendizaje por refuerzo la comprobación ejecutable del estado final de la base de…

Por qué importaMuestra una forma concreta de mejorar la fiabilidad de agentes que modifican registros de negocio, un punto crítico para empresas que los quieran…

Impacto medio Fiabilidad una fuente fiable Hugging Face
Herramientas y productos

AWS permite escribir bucles de entrenamiento propios para LLM sin gestionar GPUs

Amazon SageMaker AI presenta las APIs de sesiones de entrenamiento, con las que el usuario escribe su propio bucle de entrenamiento de LLM en Python mientras…

Por qué importaPermite a equipos con necesidades de entrenamiento no estándar, como pérdidas personalizadas o aprendizaje por refuerzo, experimentar sin operar…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 AWS Machine Learning Blog
Modelos y avances

AWS muestra cómo ajustar GPT-OSS-20B para razonar en varios idiomas con SFT y GRPO

AWS describe en su blog el ajuste fino de GPT-OSS-20B en Amazon SageMaker HyperPod para que razone en francés, alemán, español e italiano. El modelo base…

Por qué importaLas empresas que despliegan modelos de razonamiento para usuarios no angloparlantes necesitan que el modelo piense y responda en su idioma. El…

Impacto bajo Fiabilidad una fuente fiable AWS Machine Learning Blog
Investigación

Hugging Face muestra cómo GRPO mejora salidas estructuradas en un modelo de 350M parámetros

Un tutorial de Hugging Face aplica fine-tuning con GRPO y LoRA sobre LFM2.5-350M usando ~500 muestras y 100 pasos de entrenamiento, dirigido a mejorar el…

Por qué importaDemuestra que el fine-tuning con RL de bajo coste puede mejorar sustancialmente la fiabilidad de salidas estructuradas en modelos pequeños…

Impacto bajo Fiabilidad una fuente fiable Hugging Face
Investigación

ServiceNow documenta migración de vLLM a V1: cuatro correcciones críticas en reinforcement learning

ServiceNow-AI ha publicado un análisis técnico sobre la migración de vLLM V0 a V1, identificando y corrigiendo cuatro problemas de comportamiento del motor de…

Por qué importaEl incidente ilustra una lección crítica en RL a escala: los errores de corrección del objetivo pueden enmascarar problemas subyacentes de corrección…

Impacto medio Fiabilidad fuente primaria Hugging Face