Le filThèmes : RechercheAgents
GAGAR redistribue le crédit entre les trajectoires de code qui passent les tests, selon leur qualité
1 sourcemis à jour 29 sept.pertinence 3,5 sur5
L’essentiel
Un évaluateur agentique entraîné par le SFT classe ces trajectoires, et GAGAR réduit le poids des moins bien classées. Sur des expériences limitées au code avec MiMo-V2.6-Flash, GAGAR améliore les performances et stabilise l’entraînement.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJinhao Dong, Liang Zhao, Zihao Yue et al.huggingface.co
Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL (site externe)
Reinforcement learning (RL) for code agents often uses executable tests to provide binary rewards.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
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