#reinforcement-learning

Un framework MORL permet à un seul modèle de diffusion de naviguer sur le front de Pareto à l'inférence, sans réentraînement.

Une nouvelle stratégie SFT intègre des programmes fonctionnellement équivalents en plusieurs langages pour améliorer la généralisation des LLMs vers des PLs peu dotés.

Une nouvelle méthode d'apprentissage par renforcement combine contrôle de force et de position pour des tâches d'insertion délicate, surpassant nettement les approches classiques.

Une méthode légère pour bénéficier du test-time scaling des politiques diffusion sans en payer le coût computationnel.

Le simulateur physique open-source de DeepMind refait surface sur Hacker News, rappelant son rôle central dans la recherche en robotique et en RL.

Une étude systématique met en lumière la tension fondamentale entre sécurité et adaptation continue dans les systèmes RL confrontés à des dynamiques changeantes.

Une étude compare le sharpening de distribution et l'apprentissage par récompense de tâche, et montre pourquoi le second est fondamentalement supérieur.

Un nouveau benchmark formule des tâches chimiques comme environnements RL, révélant que le post-training améliore fortement les petits modèles.

Hugging Face présente Ecom-RLVE, un framework d'entraînement par renforcement avec vérification pour agents IA dédiés au commerce en ligne.