Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #16869

RLVR

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

AWS запускает SageMaker AI serverless «Training Sessions» (GA) для настройки моделей

Amazon объявила о выводе в общую доступность Training Sessions для SageMaker AI serverless model customization — это позволяет запускать собственные посттренировочные циклы (SFT, DPO, RLAIF, многошаговый RL, LoRA или полная донастройка) без управления GPU: SageMaker управляет выделением GPU, распределённым выполнением, чекпоинтами и восстановлением ошибок, а также предоставляет cookbook и агентные навыки. Клиенты отмечают применение в задачах вроде триажа отказов по страховым претензиям и многошаговой тренировки агентов с использованием Amazon Neptune и gpt-oss-20b.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

MagicBeanStalk (arXiv:2610.12659v1): рекурсивный синтез данных против «ловушки нулевого преимущества» в RLVR

В статье (arXiv:2610.12659v1) выявляется «ловушка нулевого преимущества» в RLVR: примерно 88% задач большого открытого математического корпуса либо решаются, либо проваливаются в каждом прогоне при фиксированной политике и бюджете, а простая фильтрация отбрасывает трудные информативные задачи. Авторы предлагают MagicBeanStalk — метод верхне-низового разложения и рекурсивного синтеза данных, который расширяет начальные задачи в калиброванные семейства; при непрерывном обучении на этих задачах gpt-oss-120b вырос с 61.2 до 69.8 (+8.6), DeepSeek v4Flash — с 72.4 до 77.9 (+5.4) на бюджете 16K токенов, а в финансах синтезировано 14K задач из 340 решений с приростами по SecQue и FinanceBench на 6.9 и 2.4 пункта соответственно.

7.0