arxiv arXiv cs.CL · hace 7 h · fuente: hace 2 d · research

TelecomGPT-R1: Entrenamiento posterior unificado para el razonamiento en tareas de telecomunicaciones heterogéneas

Traducido del English → Español

Los investigadores presentan TelecomGPT-R1, una familia de modelos de razonamiento unificados de telecomunicaciones de código abierto diseñados para automatizar tareas de ingeniería mediante el razonamiento sobre estándares, configuraciones y registros. El modelo aborda las limitaciones de los LLMs existentes de propósito general y especializados a través de un enfoque estructurado que cubre ejes de protocolo, conocimiento, modelado y fallos.

Un marco de generación de datos consciente del eje refina artefactos públicos de telecomunicaciones en 104.880 pares de pregunta-respuesta verificados con razonamiento paso a paso.
El ajuste fino supervisado inculca conocimiento de telecomunicaciones para superar la barrera del inicio en frío para el aprendizaje por refuerzo.
La optimización de políticas de muestreo dinámico (DAPO) con recompensas basadas en rúbricas dirigidas por tarea estabiliza las actualizaciones de RL en tareas heterogéneas.
El modelo TelecomGPT-R1-27B alcanza una puntuación media del 89,64% en siete benchmarks del GSMA Open Telco Leaderboard, superando a GPT-5, Claude y Gemini.

Los autores publican los modelos y una receta de entrenamiento reproducible para apoyar el desarrollo comunitario en la automatización de telecomunicaciones.

Importancia 2/3 arXiv cs.CL Zhipu AI Reasoning models Research paper

Artículos relacionados

arxiv arXiv cs.CL · hace 75 d · 17 vistas

La sonda de representaciones internas de Eternis-Forecaster 8B revela que mejoran la calibración y exponen problemas de fidelidad en el razonamiento encadenado

Los investigadores investigaron si las representaciones internas en modelos de lenguaje grandes proporcionan una ventana más directa hacia la calibración y la fidelidad que el razonamiento encadenado (CoT). Trabajando con Eternis-Forecaster 8B en OpenForesight, entrenaron sondas de agrupamiento de representaciones en activaciones intermedias que lograron una calibración sustancialmente mejor en comparación con las salidas estándar del modelo.

arxiv Moonshot AI (arXiv) · hace 595 d · 26 vistas

GAIR-NLP lanza LIMO, logrando un fuerte razonamiento matemático con 817 muestras

GAIR-NLP presenta LIMO, un modelo que demuestra que el razonamiento matemático complejo puede ser efectivamente elicidado utilizando solo 817 muestras de entrenamiento curadas. Este enfoque desafía la suposición convencional de que el ajuste fino supervisado requiere conjuntos de datos masivos para evitar la memorización.

arxiv arXiv cs.LG · hace 1 d · 9 vistas

Fathom-Vaidya mejora el razonamiento médico con recompensas basadas en rúbricas

Los autores presentan Fathom-Vaidya, un modelo de 30B parámetros que utiliza datos sintéticos y aprendizaje por refuerzo basado en rúbricas para mejorar el razonamiento diagnóstico y clínico en atención médica. El marco de entrenamiento primero aplica RL guiado por reglas a preguntas derivadas de MedBullets para el diagnóstico, luego utiliza 5.3k escenarios sintéticos multi-turno con rúbricas multidimensionales para tareas clínicas interactivas.

media Hugging Face Forums · hace 2 d · 15 vistas

Propuesta para un sistema de descomposición de proposiciones y razonamiento impulsado por contradicciones

Un autor propone un diseño de investigación para un sistema de razonamiento que detecta contradicciones entre dos proposiciones al descomponerlas en componentes más pequeños y buscar colisiones lógicas, en lugar de depender del juicio directo de LLM.

arxiv arXiv cs.CL · hace 13 d · 28 vistas

Ataque unidireccional a GLM-5.3-Flash revela fragilidad del alineamiento de seguridad en modelos MoE

Los investigadores demuestran que la ablación direccional, un ataque de caja blanca que elimina el rechazo proyectando fuera una única dirección desde los pesos, sigue siendo efectiva en modelos de vanguardia de mezcla de expertos (MoE) como GLM-5.3-Flash. El estudio muestra que, aunque el ataque sobrevive a la arquitectura, sus efectos se distribuyen entre los escritores de atención, densos y de expertos enrutados, en lugar de concentrarse en una sola ubicación.