Tag: introducen

LLMS ahora puede aprender sin etiquetas: los investigadores de la Universidad de Tsinghua y el laboratorio de AI de Shanghai introducen el aprendizaje de refuerzo de tiempo de prueba (TTRL) para permitir modelos de lenguaje autoevolución utilizando datos no etiquetados

A pesar de los avances significativos en las capacidades de razonamiento a través del aprendizaje de refuerzo (RL), la mayoría de los modelos de idiomas grandes (LLM) siguen dependiendo fundamentalmente…

LLMS ahora puede retener una alta precisión a la precisión de 2 bits: los investigadores de UNC Chapel Hill introducen TACQ, un enfoque de cuantización consciente de tareas que preserva los circuitos de peso críticos para la compresión sin pérdida de rendimiento

Los LLM muestran capacidades impresionantes en numerosas aplicaciones, pero enfrentan desafíos debido a las demandas computacionales y los requisitos de memoria. Este desafío es agudo en escenarios que requieren la…

Los LLM pueden pensar mientras están inactivos: los investigadores de Letta y UC Berkeley introducen ‘cómputo de tiempo de sueño’ para reducir los costos de inferencia y aumentar la precisión sin sacrificar la latencia

Los modelos de idiomas grandes (LLM) han ganado prominencia por su capacidad para manejar tareas de razonamiento complejas, transformando aplicaciones de chatbots a herramientas de generación de códigos. Se sabe…

LLMS ahora puede aprender a intentarlo nuevamente: los investigadores de Menlo introducen ReZero, un marco de aprendizaje de refuerzo que recompensa el reintento de consultas para mejorar el razonamiento basado en la búsqueda en los sistemas de RAG

El dominio de LLMS ha evolucionado rápidamente para incluir herramientas que capaciten a estos modelos para integrar el conocimiento externo en sus procesos de razonamiento. Un avance significativo en esta…