Le filThèmes : RechercheAgentsÉvaluations
ROSS réutilise les rollouts passés du modèle pour améliorer son post-entraînement par supervision sélective
1 sourcemis à jour 30 sept.pertinence 3,5 sur5
L’essentiel
ROSS garde toute la trajectoire en contexte, mais applique la perte à certaines continuations. Sur Qwen3.6-35B-A3B, la moyenne MOPD sur six benchmarks passe de 58,40 % à 62,20 % et SWE-bench Verified de 64,20 % à 68,40 %.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZhiwei Zhang, Huayu Deng, Fei Zhao et al.huggingface.co
ROSS: Relearning from Self-Generated Rollouts through Selective Supervision (site externe)
We introduce ROSS (Relearning from Self-Generated Rollouts through Selective Supervision), which preserves the full historical trajectory as context while applying loss only to selected model-generated continuations.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5