Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

МОДЕЛЬ · ENTITY #16870

gpt-oss-120b

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · Apple Machine Learning Research

Исследование: Plan-then-Retrieve превосходит Retrieve-then-Plan для мультииаинструментных запросов

В работе сравниваются две архитектуры поиска инструментов для агентов на базе LLM — Retrieve-then-Plan (RtP) и Plan-then-Retrieve (PtR) — на наборе ToolBench (≈47k API). RtP лучше для одиночных инструментов, тогда как PtR превосходит RtP при запросах с несколькими инструментами во всех бюджетах поиска, размерах реестра и на оценённых моделях (Gemini 2.5 Flash, gpt-oss-120b); PtR подвержен «галлюцинациям» псевдо-API и примерно удваивает стоимость инференса, что обосновывает адаптивный выбор подхода на основе дешёвого сигнала (top-1 RtP).

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