1/ En Arc, nos hemos obsesionado con una pregunta: ¿Qué significa realmente que un sistema de IA mejore con el tiempo? Como resultado, comenzamos a explorar cómo podría ser para los agentes adaptarse y aprender en el momento de la inferencia. Papel preimpreso: Proponemos un cambio, del reentrenamiento centrado en el modelo al aprendizaje del tiempo de inferencia centrado en el sistema.

1/5 ¿Quiere permitir el aprendizaje continuo en tiempo real para sus agentes? Nuestro SDK de Atlas es un arnés directo que permite a cualquier agente aprender de la experiencia. Vea los resultados por sí mismo en esta demostración, así como también cómo comenzar

Hoy, estamos lanzando el Sistema de Recompensas ATLAS, nuestra novedosa arquitectura que establece un nuevo SOTA en RewardBench V2 con una precisión del 93,7%. Nuestra idea central era tratar la generación de recompensas como un problema de sistemas y enrutamiento. Hilo 👇 Blog técnico completo: