Una de mis partes favoritas de trabajar en Prime Intellect es elegir los nombres tontos cada vez que alguien lanza una nueva instancia

RL pasó de no funcionar en absoluto a funcionar tan bien que el código puede tener errores importantes de corrección y no te das cuenta porque todavía funciona

Uno de estos días voy a empezar a aplastar confirmaciones, pero hoy no es ese día

Es una pena que nos estemos quedando sin datos de Internet porque todos colectivamente dejaron de poner contenido nuevo en Internet

ChatGPT debería tener un gran interruptor verde que diga "Modo Syco"

Receta para posentrenar Qwen3 1.7B en un modelo de DeepResearch ¿Qué significa que algo pequeño piense profundamente? Conozca a Lucy, un Qwen3-1.7B post-entrenado como modelo de DeepResearch basado en los verificadores de @willccbb. Recompensas primarias basadas en reglas: - Corrección de la respuesta Verificamos si la respuesta final contiene literalmente la respuesta de la verdad fundamental. Esta coincidencia de subcadenas es barata y evita llamar a un juez de LLM más grande. - Ratio visita/búsqueda Si el agente visita al menos tantas páginas como consultas de búsqueda, recibe ((visit_search_ratio - 1) / 4) ** 0,25. Si busca más de lo que visita, la puntuación es -0,5. Formato / Recompensas contra la piratería de recompensas: - Éxito en la ejecución de la herramienta Cada llamada a la API que se devuelve sin un error cuenta. La recompensa es (successful_calls * unique_tools_used) / total_call_attempts. - Eficiencia de pensamiento Una penalización sesgada normal centrada en 70 fichas desalienta la interminable cadena de pensamiento entre la llamada de herramientas y al mismo tiempo permite suficientes fichas para la planificación. Así es como Qwen3 1.7B aprendió a buscar, visitar y sintetizar información. ¡Los modelos pequeños también pueden hacer una investigación profunda!

Si un modelo utiliza varias llamadas de herramientas secuenciales intercaladas con razonamiento de cadena de pensamiento para responder a una sola pregunta, esto es:

El concepto de vago posteo sobre cosas que ya están en GitHub

necesito enviar solo un par de pequeñas cosas más y luego puedo enviar la cosa grande La próxima era va a ser muy divertida que realmente todo se está uniendo wow

Todavía me parece una locura lo mucho que mi vida ha cambiado totalmente en el último año. el verano pasado acababa de terminar un doctorado en teoría de CS, me convertí de pasante bancario a banquero a tiempo completo y acababa de alcanzar los 1000 seguidores aquí. Ayer alguien me reconoció en mi vuelo