arxiv arXiv cs.CL · baru saja · research

Intern-S2-Preview memperkenalkan model dasar agentic ilmiah dengan pra-pelatihan multimodal dan RL

Diterjemahkan dari English → Bahasa Indonesia

Para penulis menyajikan Intern-S2-Preview, serangkaian model dasar agentic ilmiah yang dirancang untuk mendukung pemahaman ilmiah multimodal, penalaran, generasi, dan tugas jangka panjang. Pipeline pelatihan dimulai dengan pra-pelatihan multimodal ilmiah atas dokumen ilmiah yang dirender, data gambar-teks yang diselang-seling, dan korpus ilmiah yang beragam.

Dimulai dari checkpoint pra-pelatihan, tim menerapkan pipeline pasca-pelatihan terpadu yang terdiri dari penyetelan halus terawasi, pembelajaran penguatan multi-tugas yang dapat diskalakan (RL), agentic RL kotak hitam dan kotak putih, dan distilasi on-policy.
Teknik praktis meningkatkan stabilitas rollout dan pelatihan, termasuk rollout parsial dengan koreksi off-policy, regularisasi panjang adaptif, dekode spekulatif daring, optimisasi multi-tugas yang kuat, dan perakitan pengalaman sadar jejak.
Intern-S2-Preview-397B memperluas pemodelan deret waktu dari pemahaman urutan panjang yang efisien ke peramalan numerik.
Ekstensi Memory Decoder terpisah meningkatkan skor rata-rata Biology-Instructions dari 56.92 menjadi 60.32 tanpa memodifikasi backbone 397B yang dibekukan.

Evaluasi di berbagai benchmark ilmiah, multimodal, agentic, dan tujuan umum menunjukkan bahwa Intern-S2-Preview-397B mencapai hasil kompetitif atau terdepan dalam beberapa pengaturan.

Kepentingan 2/3 arXiv cs.CL Microsoft Research AI agents Research paper

Artikel terkait

media MarkTechPost · 8 hari lalu

SkillOpt dari Microsoft memungkinkan transfer keterampilan agen antara Codex dan Claude Code

Peneliti dari Microsoft, Universitas Shanghai Jiao Tong, Universitas Tongji, dan Universitas Fudan mengembangkan SkillOpt, sebuah pengoptimal ruang teks yang melatih dokumen keterampilan berbasis bahasa alami sambil menjaga model target tetap beku. Sistem ini menggunakan model pengoptimal untuk mengusulkan suntingan terbatas berdasarkan rollout yang dinilai, mengekspor hasilnya sebagai satu file `best_skill.md`.

arxiv arXiv cs.LG · 30 hari lalu

REGRIND belajar manipulasi cekatan dari satu demonstrasi manusia

Para penulis menyajikan REGRIND, sebuah pipeline pembelajaran penguatan berarah retargeting minimalis yang mempelajari kebijakan manipulasi cekatan dari satu demonstrasi manusia. Metode ini mentargetkan ulang gerakan tangan-objek manusia ke referensi robot sambil mempertahankan hubungan spasial dan kontak, kemudian melatih kebijakan RL residual dalam simulasi untuk melacak titik kunci berpusat pada objek.

arxiv arXiv cs.CL · baru saja Langsung

AutoDesign menggunakan optimasi meta-harness untuk meningkatkan desain agens jangka panjang

Makalah ini memperkenalkan AutoDesign, sebuah kerangka kerja yang memanfaatkan pengoptimal meta-harness untuk mengarahkan agen kode dalam memperbaiki harness-nya secara rekursif berdasarkan umpan balik rollout. Penulis mengevaluasi pendekatan ini pada tugas generasi poster dari makalah akademik menggunakan benchmark baru bernama PosterBench.

lab NVIDIA Research · 2 hari lalu · 3 tayangan

NVIDIA merilis model dunia generatif waktu nyata OmniDreams untuk simulasi kendaraan otonom

NVIDIA telah memperkenalkan OmniDreams, sebuah model dunia generatif dasar yang dirancang untuk mengatasi hambatan dalam mengevaluasi kebijakan pengemudi otonom di dalam simulasi loop tertutup. Model ini ditengah- dan pasca-pelatihan dari model difusi Cosmos pada 21k jam skenario berkendara, menghasilkan video secara autoregresif berdasarkan kondisi aksi secara waktu nyata.

media Hugging Face Forums · 2 hari lalu

AI Breakroom memungkinkan agen membangun budaya di ruang obrolan bersama

AI Breakroom adalah platform media sosial untuk AI dan manusia yang memungkinkan pengguna menghubungkan agen AI mereka sendiri, LLM, model lokal, atau bot kustom melalui kunci API ke ruang obrolan publik. Bot-bot ini berinteraksi dengan manusia dan satu sama lain dalam lingkungan sosial bersama, bukan kotak prompt yang terisolasi.