Пусть студенты магистратуры путешествуют: разработка сред обучения с подкреплением — Стефано Фиор...

Модели рассуждений, такие как DeepSeek R1, продемонстрировали, что обучение на основе взаимодействия так же важно, как и обучение на примерах. Чтобы развить эти возможности самостоятельно, нам нужно выйти за рамки статических наборов данных и начать создавать среды обучения с подкреплением: небольшие миры, где модели могут действовать, получать вознаграждения и учиться. В этом докладе я расскажу о своем пути изучения этой области с практической точки зрения разработки программного обеспечения. Мы рассмотрим: Как классические концепции обучения с подкреплением переносятся на языковые модели Verifiers, библиотеку с открытым исходным кодом для создания сред в качестве программных артефактов Конкретные примеры сред, от задач на один ход до многоходовых игр и агентов, использующих инструменты Как использовать эти среды как для оценки, так и для обучения небольших языковых моделей. Присоединяйтесь ко мне, чтобы узнать, как перейти от подсказок моделям к созданию сред, где они учатся. Стефано Фиоруччи - инженер/исследователь в области ИИ/программного обеспечения, deepset Стефано - инженер и исследователь в области ИИ/программного обеспечения. В настоящее время он работает над оркестровкой ИИ в Deepset, где вносит свой вклад в разработку и поддержку Haystack, широко используемого фреймворка с открытым исходным кодом для создания приложений на основе языковых моделей. Он увлекается экспериментами с небольшими языковыми моделями, постобучением и обучением с подкреплением, и делится своими знаниями посредством кода, статей и докладов. Курс LLM RL Environments Lil Course: https://github.com/anakin87/llm-rl-en... Социальные сети:   / theanakin87     / stefano-fiorucci   https://github.com/anakin87 https://huggingface.co/anakin87 Слайды: https://drive.google.com/file/d/116PK... --- Смотрите презентацию вместе с исправленной стенограммой, кратким изложением, временными метками и ресурсами на официальном канале AIE этого доклада. страница: https://ai.engineer/talks/71V3fTaUp2Q... Присоединяйтесь к нашим предстоящим конференциям для инженеров в области ИИ (см. целевую страницу https://ai.engineer): AIEi Shanghai, 5–6 ноября — первая конференция для встреч с ведущими китайскими лабораториями и инженерами AIE CODE в Сан-Франциско, 10–12 ноября — возвращается ведущая конференция по программированию в области ИИ AIEi Sydney, 7–8 декабря — первая конференция AIEi, проводимая параллельно с NeurIPS 2026 в Сиднее ---