Alibaba Qwen представила QwenGyre — систему эластичного обучения с подкреплением, которая ускоряет подготовку ИИ-агентов на 25,2% и повышает точность выполнения сложных задач.
Лаборатория Kyutai выпустила модель Voice of Reason, которая использует обучение с подкреплением для решения математических задач голосом, достигая точности 77,1% на тесте GSM8K.
Американские ИИ-лаборатории, включая Anthropic, используют китайские достижения в области обучения с подкреплением для улучшения своих моделей.
Лондонский стартап Ineffable Intelligence привлек $1,1 миллиарда в рамках крупнейшего в Европе посевного раунда при оценке компании в $5,1 миллиарда.
