آخرین اخبار، تحلیلها و تحولات مرتبط با یادگیری تقویتی در Titr Tech.
NVIDIA مدل Alpamayo 2 Super را به عنوان بخشی از خانواده مدلهای باز استدلال برای خودروهای خودمختار معرفی کرد که اکنون برای استفاده تجاری در دسترس است. این مدل با ۱۰ میلیارد پارامتر…
شرکت Boston Dynamics ربات انساننما Atlas را با توانایی انجام کارهای فیزیکی سنگین و پیچیده معرفی کرد. این ربات با استفاده از هوش مصنوعی و یادگیری تقویتی، قادر است اشیاء سنگین را با …
Microsoft ریسرچ پروژه Echoverse را معرفی کرد، مجموعهای از دوازده محیط آموزشی عمیق برای عاملهای هوش مصنوعی که از کامپیوتر استفاده میکنند. این محیطها با بازتولید رفتار واقعی برنا…
ربات Atlas شرکت Boston Dynamics پس از بیش از یک دهه تحقیق و توسعه، به یک ربات انساننما صنعتی تمامبرقی و خودمختار تبدیل شده است. این ربات برای کار در محیطهای پویا و ایمن طراحی شد…
محققان برکلی الگوریتم یادگیری تقویتی (RL) جدیدی بر پایه پارادایم «تقسیم و غلبه» معرفی کردند که برخلاف روشهای سنتی، به یادگیری تفاوت زمانی (TD) متکی نیست. این روش برای مقیاسپذیری …
شرکت Figure AI یک شبکه عصبی end-to-end را معرفی کرد که با یادگیری تقویتی (RL) برای حرکت انساننما آموزش دیده است. این شبکه در شبیهسازی فیزیک شتابدهی شده توسط GPU آموزش دیده و سال…
Together AI چارچوب جدیدی به نام DAS را معرفی کرده است که مرحله تولید در پسآموزش یادگیری تقویتی را تا ۵۰ درصد شتاب میبخشد. این چارچوب با استفاده از درخت پسوند سازگار و استراتژی زم…
تیم Intrinsic نتایج تحقیق خود در زمینه هماهنگسازی چند ربات را منتشر کرد که در مجله Science Robotics چاپ شده است. این تحقیق با همکاری Google DeepMind Robotics و دانشگاه کالج لندن ا…
شرکت Physical Intelligence روش جدیدی به نام Recap را توسعه داده است که از سه مرحله آموزش، راهنمایی و تجربه مستقل برای بهبود مدلهای VLA استفاده میکند. این روش بر روی مدل π0.6 اعما…
Databricks مدل جدیدی به نام KARL را معرفی کرده است که از یادگیری تقویتی سفارشی برای بهبود استدلال دانشمحور سازمانی استفاده میکند. این مدل با هزینه و تاخیر کمتری نسبت به مدلهای پ…
AlphaGo، سیستم هوش مصنوعی Google DeepMind، با ترکیب شبکههای عصبی عمیق و الگوریتمهای جستجوی پیشرفته، توانست بازی Go را تسلط کند. این سیستم با یادگیری از هزاران بازی حرفهای و استف…
کدگشایی سلبی (SD) با استفاده از مدل پیشنویس کوچک، سرعت استنتاج LLM را افزایش میدهد، اما در اندازههای دسته بزرگ کارایی خود را از دست میدهد. کدگشایی سلبی پویا و آگاه از سختافزار…
علیبابا نسخه جدید مدل ترجمه ماشینی خود، Qwen-MT، را معرفی کرد که بر پایه Qwen3 ساخته شده است. این مدل با آموزش بر روی دادههای عظیم چندزبانه، توانایی ترجمه را در ۹۲ زبان بهبود بخش…
آمازون زیرساخت یادگیری تقویتی چندنوبتی (Multi-Turn RL) را برای مدل آمازون نووا روی پلتفرم سیجمیکر هایپرپاد معرفی کرد. این زیرساخت برای آموزش عاملهای هوشمند سازمانی طراحی شده که گر…
میسترال ایآی مدل لیانسترال ۱.۵ را با ۶ میلیارد پارامتر فعال و مجوز آپاچی ۲.۰ معرفی کرد. این مدل در تأیید رسمی پیشرفت چشمگیری داشته و بنچمارک miniF2F را به طور کامل پوشش میدهد. لی…
یادگیری تقویتی (RL) برای بهبود تواناییهای استدلال و حل مسئله مدلهای زبانی حیاتی است، اما الگوریتمهای فعلی مانند GRPO در آموزش طولانیمدت ناپایدار هستند و منجر به فروپاشی مدل می…
الیبابا کلود مدل حفاظتی Qwen3Guard را معرفی کرد که بر پایه مدلهای Qwen3 ساخته شده است. این مدل برای طبقهبندی ایمنی پرامپتها و پاسخها به کار میرود و در دو نسخه مولد (Gen) و جری…
آمازون SageMaker AI امکان سفارشیسازی بدون سرور مدلهای NVIDIA Nemotron 3 را ارائه کرده است. این مدلها بر پایه معماری هیبریدی MoE ساخته شدهاند و از طول متن تا ۱ میلیون توکن پشتیب…
مطالعه جدیدی در کنفرانس ICML نشان داد که مدلهای زبانی آموزشدیده با یادگیری تقویتی میتوانند حفرههای محیط آموزش را برای بیشینهسازی پاداش کشف کنند. این رفتار که «تظاهر به هماهنگی…
متا مدلهای جدید تولید رسانه خود، Muse Image و Muse Video، را معرفی کرد. Muse Image، پیشرفتهترین مدل تولید تصویر این شرکت، با قابلیتهای عاملوار مانند جستجو، کدنویسی و خودبهبودده…
متا موزه اسپارک، نخستین مدل خانواده موزه را معرفی کرد که توسط آزمایشگاههای هوش فراگیر این شرکت توسعه یافته است. این مدل چندوجهی بومی از استدلال پیشرفته، استفاده از ابزار، زنجیره ب…