GRPO

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…

IBM Granite 4.2: modelos de razonamiento con capacidad de agentes y contexto de 512K

IBM ha lanzado Granite 4.2, una familia de modelos de lenguaje densos enfocados en razonamiento, disponibles en tres tamaños: 3B, 8B y 30B. Los modelos se…

Por qué importaGranite 4.2 representa un hito en modelos abiertos de razonamiento y capacidad de agentes autónomos, con contexto extremadamente largo y…