arxiv arXiv cs.LG · 1 jam lalu · research

Lakukan Riset Anda Sendiri: Belajar Memprediksi dengan Belajar Mencari

Diterjemahkan dari English → Bahasa Indonesia

Para peneliti memperkenalkan lingkungan dan dataset peramalan berbasis agen yang berasal dari lebih dari 2.100 pertanyaan Polymarket yang telah diselesaikan untuk melatih model bahasa mengumpulkan bukti mereka sendiri. Sistem memungkinkan agen memperoleh konteks melalui pencarian web dan deret waktu keuangan pada saat rollout, dibatasi oleh filter kebocoran untuk memastikan informasi mendahului batas waktu pertanyaan.

Dilatih pada Qwen3.5-35B-A3B menggunakan GRPO satu epoch dengan reward skor Brier.
Kalibrasi meningkat sebesar 30-40% dan upaya pencarian menurun dari 3,8 menjadi 2,25 per rollout seiring pembelajaran disiplin bukti.
Model ini mengungguli empat model terdepan, termasuk Claude Opus 4.5 (Brier lunak 0,254 vs 0,256), dengan biaya inferensi sekitar 5%.

Para penulis merilis lingkungan, dataset, dan catatan per-rollout sebagai harness yang dapat digunakan kembali untuk agen peramalan temporal.

Kepentingan 2/3 Kerangka evaluasi baru dengan pembeda arXiv cs.LG Alibaba (Qwen) AI agents Training methods

Baca aslinya

VHD-Play menghasilkan lingkungan RL agentic dari mekanisme yang terpecahkan

VHD-Play adalah sebuah pipeline yang menghasilkan beragam lingkungan pembelajaran penguatan (reinforcement learning) agentic dengan cara melakukan sampling dan pemecahan model matematika sebelum merender proses pengambilan keputusan mereka sebagai alat berstatus (stateful). Pendekatan ini memastikan bahwa dinamika yang dapat dieksekusi dan referensi skor lintasan diwarisi langsung dari model yang telah terpecahkan, sehingga mengatasi masalah ketidakselarasan yang umum terjadi pada pipeline generasi yang ada.

arxiv arXiv cs.CL · 8 hari lalu · 10 tayangan

SkillGym menginternalisasi keterampilan manusia ke dalam LLM untuk pemecahan masalah dunia nyata

Para peneliti memperkenalkan SkillGym, sebuah kerangka kerja yang mengubah keterampilan agen yang ditulis oleh manusia menjadi lingkungan pelatihan yang dapat dieksekusi dan diverifikasi untuk agen model bahasa besar. Sistem ini memanfaatkan pipeline skill-to-task untuk menginisialisasi tugas konkret dan memverifikasi hasil dengan checker berbasis kode.

arxiv arXiv cs.CL · 23 hari lalu · 34 tayangan

ExecCritic menggunakan RL berbasis peran untuk meningkatkan agen pemrograman melalui perbaikan yang dipandu tes

Para peneliti memperkenalkan ExecCritic, sebuah kerangka kerja yang menggabungkan skafolding uji-verifikasi-revisi dengan pembelajaran penguatan berbasis peran untuk meningkatkan agen pemrograman. Sistem ini memisahkan konstruksi tes dari perbaikan kode sumber, menggunakan Agen Uji untuk menghasilkan tes asli repositori dan Agen Perbaikan untuk merevisi kode berdasarkan umpan balik eksekusi.

lab Hugging Face Blog · 5 jam lalu · 3 tayangan

ServiceNow CoreAI merilis AutoSynthData untuk menghasilkan data pelatihan agen perusahaan

ServiceNow CoreAI memperkenalkan AutoSynthData, sebuah pipeline yang menghasilkan dan memvalidasi tugas pelatihan sintetis untuk agen perusahaan dengan memanfaatkan kegagalan model target dan keberhasilan guru yang lebih kuat. Sistem ini mengidentifikasi kesenjangan kemampuan melalui evaluasi diagnostik dan membuat tugas yang dapat dieksekusi dengan verifier untuk mengatasi kelemahan spesifik.

lab Microsoft Research Blog · 2 hari lalu · 3 tayangan

Sistem Microsoft Research memprediksi risiko cuaca luar angkasa untuk 66.935 gardu induk di AS

Sebuah pipeline pembelajaran mesin yang dikembangkan di Microsoft Research menghasilkan estimasi risiko arus terinduksi geomagnetik (GIC) spesifik lokasi untuk 66.935 gardu induk di daratan Amerika Serikat. Sistem ini menggabungkan prakiraan angin matahari dengan data geologi lokal untuk memberikan operator jaringan peringatan dini selama 30 hingga 60 menit sebelum risiko tertentu muncul.