GRPO

Google trainiert Gemma 4 für agentisches Reinforcement Learning über mehrere Dialogrunden
Google hat eine Pipeline für agentisches Reinforcement Learning über mehrere Dialogrunden vorgestellt. Sie trainiert Gemma 4 darin, Werkzeuge zu nutzen, auf Feedback zu…

Apple-Papier definiert theoretische Grenzen für die Ausrichtung von Sprachmodellen
Apple-Forscher haben ein NeurIPS-Papier veröffentlicht, das die maximale Belohnungssteigerung von Sprachmodellen bei einem festen KL-Divergenz-Budget definiert. Die…