Find similar content

Source channel @githubtrending · Post #15340 · Dec 17

#python#gym#gym_environment#reinforcement_learning#reinforcement_learning_agent#reinforcement_learning_environments#rl_environment#rl_training NeMo Gym helps you build and run reinforcement‑learning training environments for large language models, letting you develop, test, and collect verified rollouts separately from the training loop and integrate with your preferred RL framework and model endpoints (OpenAI, vLLM, etc.). It includes ready resource servers, datasets, and patterns for multi‑step, multi‑turn, and tool‑using scenarios, runs on a typical dev machine (no GPU required), and is early-stage with evolving APIs and docs. Benefit: you can generate high‑quality, verifiable training data faster and plug it into existing training pipelines to improve model behavior. https://github.com/NVIDIA-NeMo/Gym

Hashtags

#python #gym #gym_environment #reinforcement_learning #reinforcement_learning_agent #reinforcement_learning_environments #rl_environment #rl_training

Results

2 similar posts found

Search: #emnlp

当前筛选 #emnlp清除筛选

Семён: Нейросети в каждый дом

@semasci · Post #1247 · 08/21/2025, 07:28 AM

Find similar View

🎉 Нашу статью приняли на EMNLP 2025 в Main Track. 💪 Выводим распознавание жестовых языков на новый качественный уровень. В статье достигаем state-of-the-art🌿 на жестовых языках разных стран, включая в первую очередь русский жестовый язык (РЖЯ). Показываем, что качественный претрейн и предобработка — залог успеха. Спасибо авторам: @your_petros@ilyaovodov@nagadit@hukenovs@karinakvanchiani 📝Жестовый язык: похожее в непохожем и наоборот 📖Logos as a Well-Tempered Pre-train for Sign Language Recognition До встречи на конференции! #research#rsl#emnlp

Hashtags

#research #rsl #emnlp

Семён: Нейросети в каждый дом

@semasci · Post #1316 · 11/09/2025, 07:33 AM

Find similar View

BORSch покорил наши сердца Сегодня русскоязычное сообщество на EMNLP обсуждает работу BORSch, в которой авторы исследуют особенности знания мультимодальных моделей кухни постсоветского пространства. С этой целью они собрали мультимодальный датасет BORSch, включающий 1147 русскоязычных и 823 украиноязычных блюда, относящихся к странам постсоветского региона. Например: Откуда блюдо кывырма? + фото кывырмы Gold answer: Gagauzia (🇲🇩 Moldova) На примере BORSch авторы показывают, что даже передовые модели испытывают трудности при определении происхождения блюд из постсоветских стран — как в текстовой, так и в мультимодальной задаче Question Answering (QA): вместо правильного ответа они чаще отдают предпочтение стране, на языке которой был написан промпт. Вывод (ИМХО): когда используете LLM для личных целей, не забывайте включать функцию Search (искать в сети). Не мучайте моделей кывырмой и эчпочмаками, Гугл — наше всё. Хотя, подозреваю, что с происхождением блюд на разных языках тоже может возникать диссонанс. А работа и правда стоящая, особенно здорово, что с акцентом на постсовесткие языки. @mashkka_ds #llm#emnlp#новостисполей#трудовыебудни

Hashtags

#llm #emnlp #новостисполей #трудовыебудни