Aller au contenu principal
← Retour aux actualités

ProRubric : contre le reward hacking du RL par grilles de critères, au niveau du protocole

Recherche
Source:Hugging Face
Dans le reinforcement learning par rubriques, l'agrégation additive des critères permet à la politique de compenser une erreur décisive par des conseils non demandés. ProRubric (ByteDance) regroupe les critères en dimensions de protocole qui ne comptent que si tous les critères tiennent et qu'aucune clause d'échec ne se déclenche : sur des consultations cliniques, l'adéquat gagne 10,8 points sans perte de couverture, les critères restant inchangés à la lettre.
Lire l'article original

Articles connexes

Modèle sans GPU : quand le CPU suffit vraiment

En 2026, l'inférence sur CPU seul n'est plus un pis-aller : quand elle fonctionne vraiment, à quelle vitesse s'attendre et quelles manettes tirer pour presser le processeur.

Modèles de décision en local : JEV-35B et le System 1 à 3 Md actifs

Pas besoin d'un grand LLM pour décider. JEV-35B (35 Md, 3 Md actifs) en NVFP4 sur une GPU de 32 Go et ej (11,4 Mo) sur CPU montrent comment faire du routage, de la classification et du contrôle qualité sans générer un seul jeton.

Ling 3.1 Flash : 560B open-weight sous licence MIT, contexte de 1M — ce que ça change si vous avez 24 Go de VRAM

Ling 3.1 Flash apporte 560B de paramètres open-weight sous licence MIT avec 1M de contexte. Il ne rentre pas dans 24 Go de VRAM, mais les quantifications, le MoE 25B actifs et les vrais chiffres changent le calcul.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.