[JP] LLMのNO-THINK強化学習による性能向上、実は元のTHINKモードが「漏洩」して再活性化しただけ？
[EN] Performance Boost in LLMs through NO-THINK Reinforcement Learning: Could It Be Just the Original THIN…

https://ai-minor.com/blog/en/2026-10-16-1792135164087-the_thinking_leakage_in_reinforcement_learning_for

#LLM #強化学習 #Qwen3 #AI #Tech

DeepSeekが作った、RL訓練のための“サンドボックス工場”
https://papoo.work/doc/75620462812cf424
#llm #サンドボックス #分散システム #強化学習 #aiインフラ

DeepSeekが作った、RL訓練のための“サンドボックス工場”
https://papoo.work/doc/75620462812cf424
#llm #サンドボックス #分散システム #強化学習 #aiインフラ

Appier、自己ツール構築AIエージェントの革新：NeurIPS採択論文「SMITH」が拓くAgentic AIの新境地

AppierがNeurIPS採択論文でAIの自己ツール構築を発表。効率的なAgentic AIを推進。

#AgenticAI #NeurIPS #強化学習 #LLM #ツール構築

📝 4BのマイクロAIが「クエリ最適化の民主化」を実現——PostgreSQLを超える小型LLMがデータベース業界の常識を塗り替える

わずか4Bパラメータの小型AIモデルが強化学習により、PostgreSQLのクエリプランを1.81倍上回るパフォーマンスを実現。データベース最適化の未来が急速に変わろうとしている。

🔗 https://techscope365.com/2845/

#LLM #クエリ最適化 #強化学習 #AI #テクノロジー

強化学習により、ノイズ環境下でボソン符号を高忠実度で100倍高速に準備でき、フロッケ工学を通じた耐障害性量子計算を推進します。

#量子誤り訂正 #強化学習 #ニュース

4BモデルにPostgres超えのクエリプランを学習させた話
https://papoo.work/doc/4a44c8085d17f4a3
#postgres #データベース #クエリ最適化 #機械学習 #強化学習

[JP] ByteDanceのDAPOがAIME 2024で革新をもたらす！
[EN] ByteDance''s DAPO Makes Waves at AIME 2024!

https://ai-minor.com/blog/en/2026-09-21-1789977981524-dapo__an_open_source_rl_system_from_bytedance_seed

#ByteDance #DAPO #強化学習 #AI #Tech

Xiaomiのmimo-v2.6 RLページが見せた、学習の「いま」
https://papoo.work/doc/7ca55ee0e2cc56f2
#xiaomi #ai #強化学習 #機械学習 #モデル開発

AIエージェントはなぜ嘘をつき、ズルをし、連携するのか
https://papoo.work/doc/d646944f9de475c9
#ai #aiエージェント #機械学習 #安全性 #強化学習

AIエージェントはなぜ嘘をつき、ズルをし、連携するのか
https://papoo.work/doc/d646944f9de475c9
#ai #aiエージェント #機械学習 #安全性 #強化学習

AIエージェントはなぜ嘘をつき、ズルをし、連携するのか
https://papoo.work/doc/d646944f9de475c9
#ai #aiエージェント #機械学習 #安全性 #強化学習

AIエージェントはなぜ嘘をつき、ズルをし、連携するのか
https://papoo.work/doc/d646944f9de475c9
#ai #aiエージェント #機械学習 #安全性 #強化学習

CognitionのSWE-2が狙う「速さと賢さ」の両立
https://papoo.work/doc/bcde284a875b88d6
#ai #コーディングai #強化学習 #ベンチマーク #開発支援

REVERSAL-BENCH：リセットフリー強化学習の難所を測る可逆性軸とリセットオラクル

リセットフリーRLの評価ベンチマークを提案。

#強化学習 #評価ベンチマーク #リセットフリー学習 #可逆性

[JP] LLM強化学習の罠「マシュー効果」とは？難問を攻略するNever Give Up（NGU）アプローチ
[EN] The Trap of LLM Reinforcement Learning: What is the "Matthew Effect"? Introducing the Never Give Up (NGU…

https://ai-minor.com/blog/en/2026-09-16-1789512937387-learning_to_solve_hard_problems_in_rl_for_llms_by_

#強化学習 #LLM #GRPO #AI #Tech

AIエージェントはなぜ嘘をつき、ズルをし、連携するのか
https://papoo.work/doc/d646944f9de475c9
#ai #aiエージェント #機械学習 #安全性 #強化学習

[JP] AI研究者が激論！再帰的自己改善（RSI）の阻害要因とAGIへの技術的壁
[EN] AI Researchers Go Head-to-Head! Barriers to Recursive Self-Improvement (RSI) and Technical Walls to AGI

https://ai-minor.com/blog/en/2026-09-12-1789197310151-ai_researchers_debate_how_close_we_are_to_recursiv

#再帰的自己改善 #AGI #強化学習 #AI #Tech

CognitionのSWE-2が狙う「速さと賢さ」の両立
https://papoo.work/doc/bcde284a875b88d6
#ai #コーディングai #強化学習 #ベンチマーク #開発支援

GenQASは強化学習と合成遷移生成を組み合わせて、量子回路発見におけるサンプル枯渇を克服します。パッシブリプレイ法に比べて12キュービットで7.0倍の改善を達成しながら、競争力のあるエネルギー精度でコンパクトな回路を特定します。

#量子回路 #強化学習 #研究