Rishabh Agarwal

Forschung darüber, wie Transformer die Verallgemeinerung für längere Sequenzen in Additionsaufgaben verbessern.

Dieser Artikel behandelt die Verwendung von Klassifikation für Wertfunktionen im Deep Reinforcement Learning.

Dieses Papier beleuchtet die Vorteile des Many-Shot-Lernens in Sprachmodellen.

SiT verbessert die Fähigkeit von Agenten, im Reinforcement Learning durch Symmetrie und Aufmerksamkeit zu verallgemeinern.

Forschung zeigt, wie MBR-Dekodierung die Übersetzungsqualität in kleineren Modellen verbessert.

Gemma 2 bietet hohe Leistung in kompakter Grösse für Sprachaufgaben.

Eine Studie zeigt, dass billigere Modelle bessere Trainingsdaten für Denkaufgaben erzeugen könnten.

Diese Methode hilft AIs, durch das Erstellen und Lösen von Herausforderungen zu lernen.