1/ W Arc obsesjonujemy się pytaniem: Co tak naprawdę oznacza, że system AI staje się lepszy z czasem? W rezultacie zaczęliśmy badać, jak mogłoby wyglądać dostosowywanie się i uczenie agentów w czasie wnioskowania. Artykuł wstępny: Proponujemy zmianę, od retrenowania skoncentrowanego na modelu do uczenia skoncentrowanego na systemie w czasie wnioskowania.

1/5 Chcesz umożliwić swoim agentom uczenie się w czasie rzeczywistym i w sposób ciągły? Nasz Atlas SDK to łatwe w użyciu narzędzie, które pozwala każdemu agentowi uczyć się na podstawie doświadczeń. Zobacz wyniki na własne oczy w tej demonstracji oraz dowiedz się, jak zacząć.

Dziś wprowadzamy System Nagród ATLAS, naszą nową architekturę, która ustanawia nowy SOTA na RewardBench V2 z dokładnością 93,7%. Naszym głównym pomysłem było traktowanie generowania nagród jako problemu systemowego i routingu. Wątek 👇 Pełny blog techniczny: