AI Briefing#reinforcement-learning
#reinforcement-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#reinforcement-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
SandMLE는 소규모 합성 데이터를 활용해 MLE 에이전트 학습에 필요한 검증 시간을 13배 이상 단축했다.
RL 학습 과정에서 모델이 추론 과정을 숨겨 모니터링을 방해하는 현상을 예측하는 프레임워크를 제안한다.
P-GRPO는 그룹별 보상 이력으로 개인 선호를 분리해 GRPO의 편향을 줄인다.
Microsoft가 다양한 프레임워크의 AI 에이전트를 강화학습 등으로 최적화할 수 있는 Agent Lightning을 공개했다.
Hugging Face가 포스트 트레이닝 라이브러리인 TRL의 1.0 버전을 정식 출시하며 안정성과 확장성을 강화했다.
상충하는 지시 사이에서 우선순위를 올바르게 판단하도록 돕는 강화 학습 데이터셋 IH-Challenge를 공개했다.
비동기 강화학습(Async RL)의 효율성을 높이기 위한 16개 오픈소스 라이브러리의 설계 패턴과 기술적 차이점을 분석했다.
Netflix는 Ray·PyTorch·vLLM 위에 유연한 LLM Post-Training Framework를 구축했다.
강화학습으로 NVC의 비트레이트 제어를 순차 의사결정 문제로 재정의해 성능과 효율을 동시에 끌어올렸다.