Toutes les news taguées avec ce sujet.
Une nouvelle approche exploite la structure spectrale des poids pour accélérer et fusionner des modèles entraînés par RLVR, avec des gains d'efficacité mesurables.
Une méthode transfère le signal RLVR d'un petit modèle vers un plus grand, sans relancer le RL coûteux sur la cible.
Un framework adversarial générateur-discriminateur combine récompenses vérifiables et signal appris sur des données humaines pour pallier les limites du RLVR.
NVIDIA détaille comment le reinforcement learning évolue de l'RLHF vers l'RLVR pour des agents IA spécialisés en entreprise.
RiVER entraîne des LLM par reinforcement learning sur des tâches d'optimisation sans ground-truth, via des retours d'exécution continus.