Reinforcement Learning wird zunehmend zentral für agentenbasierte Systeme, aber der Übergang von RL für LLMs zu RL für Agenten bringt eine neue Reihe von Herausforderungen mit sich: Umgebungen, Rollouts, Werkzeugnutzung, Engpässe bei der Inferenz, Belohnungsdesign und die Bewertung von mehrstufigem Verhalten in der realen Welt.
In diesem Live-Workshop von Hugging Face bringen wir Forscher und Entwickler zusammen, die an der Spitze von RL für Agenten arbeiten. Die Sitzung wird kurze Vorträge umfassen, gefolgt von einer Diskussion darüber, was heute funktioniert, wo offene Methoden noch hinterherhinken und was als Nächstes kommt.
Zu den Sprechern gehören:
- Lewis Tunstall, Hugging Face
- Will Brown, Prime Intellect
- Ofir Press, Princeton University
- Alex Zhang, MIT CSAIL
weitere Gäste werden bekannt gegeben
Themen sind:
- Training von Agenten mit Open Source-Tools
- Skalierung von RL für Sprachagenten
- mehrstufige Verifizierung und Belohnungsdesign
- Benchmarking der Fähigkeiten von Agenten über statische Aufgaben hinaus
- rekursive Schlussfolgerungen und neue Agentenarchitekturen