Princeton presenta OpenClaw-RL, un framework de aprendizaje por refuerzo asíncrono que permite a los agentes de IA aprender de señales del siguiente estado: respuestas de usuarios, outputs de herramientas, cambios en interfaces. Un paso hacia agentes que mejoran con el uso real.
Negocios: Inversiones millonarias y disrupciones en el mercado Ineffable Intelligence: $1.000 millones para construir superinteligencia Ineffable Intelligence es una startup fundada por David Silver, investigador veterano de Google DeepMind y conocido por los proyectos AlphaGo, AlphaZero y MuZero. Acaba de levantar 1.000 millones de dólares en una valoración de 4.000 millones, convirtiéndose en la mayor ronda de financiación semilla de Europa. El peculiar detalle: no tienen ningún producto, ninguna demo y ningún plan concreto. Solo los fundadores y una declaración de intenciones: construir superinteligencia usando principalmente reinforcement learning. ...
Paper Destacado: DeepSeek-R1 Paper: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning Autores: DeepSeek-AI Publicación: 22 de enero, 2025 GitHub: deepseek-ai/DeepSeek-R1 ⭐ 91.8k stars ¿Por qué es importante este paper? DeepSeek-R1 representa un hito fundamental en el desarrollo de modelos de razonamiento. Por primera vez, se demuestra que un LLM puede desarrollar capacidades de razonamiento robustas sin necesidad de supervised fine-tuning inicial, utilizando únicamente reinforcement learning (RL) a gran escala. Impacto en la industria Open Source Total: A diferencia de GPT-o1, DeepSeek-R1 es completamente open-source, democratizando el acceso a modelos de razonamiento avanzado Eficiencia Demostrada: Logra performance comparable a OpenAI o1-1217 con una arquitectura y metodología transparente Adopción Masiva: 91.8k estrellas en GitHub en menos de 10 días evidencian el interés de la comunidad Contribuciones Clave 1. DeepSeek-R1-Zero: RL Puro El modelo DeepSeek-R1-Zero se entrena exclusivamente con reinforcement learning, sin ningún fine-tuning supervisado previo. Los resultados son sorprendentes: ...