Rishabh Agarwal

この記事では、深層強化学習における価値関数の分類の使い方について話してるよ。

この論文は、言語モデルにおける多様ショット学習の利点をレビューしている。

SiTは、対称性と注意を通じてエージェントの強化学習における一般化能力を高めるんだ。

研究によると、MBRデコーディングが小さいモデルの翻訳品質を向上させることがわかってる。

Gemma 2は、言語タスクにおいてコンパクトなサイズで高性能を発揮するよ。

研究によると、安いモデルの方が推論タスクのトレーニングデータをうまく生成するかもしれないって。

この方法は、AIが課題を作って解決することで学ぶのを助けるんだ。