Le filThèmes : RechercheOpen source
CorrGRPO normalise les récompenses de GRPO par des coefficients de corrélation de Pearson
1 sourcemis à jour il y a 5 jpertinence 3,2 sur5
L’essentiel
CorrGRPO est comparé à GRPO sur la génération de code, l’appel d’outils et la sécurité des agents, avec des modèles de 0,5 à 8 milliards de paramètres. Les résultats montrent des progrès dans ces trois domaines.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceWenbin Hu, Huihao Jing, Haochen Shi et al.huggingface.co
CorrGRPO: Correlation-Normalized GRPO for Multi-Reward Learning (site externe)
We propose Correlation-Normalized GRPO (CorrGRPO), which normalizes pairwise covariances into Pearson correlation coefficients.
Sur les mêmes thèmes
Open source
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Open source
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Open source
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
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