Ring-Zero: model RL do biliona parametrów dla emergentnego rozumowania

Naukowcy opublikowali na arXiv pracę Ring-Zero, opisującą skalowanie metody uczenia przez wzmacnianie (RL) bez nadzoru do biliona parametrów modelu językowego. Celem jest uzyskanie emergentnych zdolności rozumowania w dużych modelach AI. Praca zebrała 3 punkty na Hacker News i nie wywołała jeszcze komentarzy.