🆕 Träning av agentiska resonemang dagens inslag är @willccbb:s triumferande återkomst till AIE-scenen RL-banan - nu som en del av @PrimeIntellect! Många agentbyggare gör i princip "RL för hand". Han förklarar kortfattat nuvarande RL-algoritmer i en bild (!) men hävdar sedan att RL - särskilt för öppna modeller - har fastnat i matematik och kod Q&A-land den nya hetheten är multi-turn agentic RL, och det nya verifierarbiblioteket är den ultimata verktygslådan för att bygga en agent och förvandla den till en RL-loop. Fler människor borde utforska att bygga bättre agentmodeller och Will + PI möjliggör det för alla!