Hacker News · 16.06.2026 ·Обучение и дообучение

GoLongRL: новый подход к обучению агентов с длинным контекстом

Исследователи из XiaoxuanNLP представили GoLongRL — фреймворк для обучения агентов с длинным контекстом, основанный на подходе reinforcement learning (RL). В отличие от традиционных методов, GoLongRL фокусируется на способностях (capabilities) агентов, а не на конкретных задачах, что позволяет лучше адаптироваться к новым сценариям.

Ключевая особенность GoLongRL — использование мультизадачного выравнивания (multitask alignment), которое помогает агентам эффективно обучаться на разнообразных данных. Это особенно важно для ИИ-агентов, которым необходимо работать с большими объемами информации и быстро адаптироваться к новым условиям.

Фреймворк включает в себя несколько ключевых компонентов: систему вознаграждений, которая оценивает способности агента, и механизм выравнивания задач, который помогает агенту обучаться на разных типах данных. Исследователи утверждают, что GoLongRL показывает лучшие результаты по сравнению с традиционными методами RL в задачах с длинным контекстом.

Для разработчиков ИИ-агентов, таких как Jarv, GoLongRL представляет интерес как потенциальный инструмент для улучшения обучения агентов. Возможность работать с длинным контекстом и адаптироваться к новым задачам может значительно повысить эффективность и надежность агентов в реальных сценариях.

Источник: Hacker News

Похожие материалы

arXiv · Память и RAG ContextRL: контекст-осознанное обучение для улучшения работы ИИ-агентов Исследователи из MIT и других ведущих университетов представили новый метод ContextRL, который улучшает способность языковых моделей (LLM) работать с длинными и сложными контекстами. Проблема заключается в том, что традиционные LLM часто не могут выделить ключевые детали в объемных данных, будь то строка в логах или мелкий элемент на изображении. ContextRL использует методы подкрепляющего обучения (RL), чтобы улучшить долгосрочное рассуждение и работу с мультимодальными данными. arXiv · Обучение и дообучение Новый метод обучения LLM через промежуточное RL Исследователи предложили новый подход к обучению языковых моделей (LLM) с использованием reinforcement learning (RL) на промежуточном этапе обучения. В статье, опубликованной на arXiv, авторы показывают, что традиционные методы RL с редкими наградами (sparse reward RL) сильно зависят от начальной подготовки модели. arXiv · Машинное обучение Новый подход к метаобучению в reinforcement learning Исследователи предложили новый фреймворк для метаобучения в reinforcement learning (RL), который улучшает адаптацию агентов к новым задачам. В традиционных методах метаобучения RL задача распознавания и управление телом агента часто связаны, что усложняет извлечение общих знаний и снижает эффективность обучения. arXiv · Обучение и дообучение Новый метод для эффективного онлайн-обучения визуально-языковых агентов Исследователи предложили новый подход к онлайн-обучению визуально-языковых агентов (VLA) с использованием методов reinforcement learning (RL). В статье, опубликованной на arXiv, они описывают метод Hierarchical Advantage Weighting (HAW), который решает проблему редких и неинформативных сигналов обратной связи в процессе обучения. GitHub · Обучение и дообучение Tencent представил фреймворк UniRL для обучения мультимодальных моделей Компания Tencent выпустила фреймворк UniRL, предназначенный для обучения мультимодальных моделей с использованием подкрепляющего обучения (Reinforcement Learning). Этот инструмент позволяет интегрировать различные типы данных, включая текст, изображения и видео, в единый процесс обучения. Это особенно важно для разработки ИИ-агентов, которые должны эффективно обрабатывать и анализировать разнообразные данные. arXiv · Оркестрация агентов Agents-K1: новый подход к оркестрации научных знаний для ИИ-агентов Исследователи из MIT и других ведущих университетов представили Agents-K1 — фреймворк, направленный на улучшение научной оркестрации знаний для ИИ-агентов. В отличие от существующих решений, которые часто ограничиваются поверхностным анализом научных работ, Agents-K1 фокусируется на ключевых сущностях, утверждениях, доказательствах, механизмах и методологических линиях, что критически важно для научного мышления. NVIDIA Technical Blog · Оркестрация агентов Как добавить навык глубокого исследования в агентские фреймворки NVIDIA предложила способ расширить функциональность агентских фреймворков, таких как Claude Code, Codex и LangChain Deep Agents, за счёт добавления специализированного навыка глубокого исследования. Это позволяет агентам не только управлять сессиями и цепочками инструментов, но и выполнять сложные аналитические задачи, требующие глубокого понимания контекста и данных. Hugging Face - Blog · Память и RAG Ecom-RLVE: адаптивные среды для чат-ботов в e-commerce Исследователи представили Ecom-RLVE — фреймворк для создания адаптивных и проверяемых сред обучения для чат-ботов в сфере e-commerce. Это решение позволяет создавать динамические среды, которые могут адаптироваться к изменениям в данных и поведении пользователей, что критически важно для разработки ИИ-агентов, работающих в условиях высокой изменчивости. arXiv · Обучение и дообучение Новый фреймворк для обучения ИИ-агентов в условиях зависимости данных Исследователи из Arxiv представили новый фреймворк для обучения ИИ-агентов, который учитывает зависимость данных. В статье "Learning with Simulators: No Regret in a Computationally Bounded World" авторы рассматривают минимальные предположения, необходимые для генерализации в условиях, где данные не являются независимыми. Это особенно важно для ИИ-агентов, которые часто работают с последовательными или взаимосвязанными данными, например, в задачах планирования или взаимодействия с окружающей средой. Hacker News · Разработка и инструменты Galdor – фреймворк для LLM-агентов на Go с трассировкой и воспроизведением Команда YasserCR представила Galdor – фреймворк для создания LLM-агентов на языке Go. Основное отличие Galdor от существующих решений – встроенные механизмы трассировки и воспроизведения, которые позволяют отслеживать работу агентов и анализировать их поведение. Это особенно важно для отладки и улучшения качества агентов, так как позволяет визуализировать цепочки действий и выявлять ошибки.

← Все материалы