#ppo — Public Fediverse posts

Мы обошли фильтр Калмана на одной камере, но сначала три недели измеряли труп

Цель видна только через камеру, детектор отдает рамку, дальномера нет. В какой-то момент цель уходит из кадра на три четверти секунды, и ее надо продолжать вести вслепую. Классический фильтр Калмана в этой ситуации теряет цель в 84% эпизодов. Наш трекер теряет ее в 18% и возвращает в центр кадра в 80%.

https://habr.com/ru/articles/1069900/

#обучение_с_подкреплением #PPO #фильтр_Калмана #KalmanNet #simtoreal #компьютерное_зрение #трекинг_объектов #LSTM #reward_shaping #мирмодель

Походка за двадцать минут и миллион рублей: что RL сделал с двуногими роботами и во что упёрся их «мозг»

За один 2026 год двуногие роботы успели пробежать полумарафон быстрее человеческого рекорда, довести публику до того, что CEO пришлось резать роботу ногу ножницами прямо на сцене, и провалить задачу «пройтись ровно» на презентации за миллионы долларов. Разбираю с первоисточниками, почему походка стала дешёвой инженерией — 20 минут на одной видеокарте, — а «живой» робот упирается в ватты, переполняющийся контекст и отсутствие непрерывного обучения.

https://habr.com/ru/articles/1057816/

#reinforcement_learning #RLлокомоция #гуманоидные_роботы #simtoreal #Isaac_Lab #VLAмодели #PPO #world_models #робототехника #KVcache

Tree Search Distillation for Language Models Using PPO

https://ayushtambde.com/blog/tree-search-distillation-for-language-models-using-ppo/

#HackerNews #TreeSearchDistillation #LanguageModels #PPO #AIResearch #MachineLearning

Tree Search Distillation for Language Models Using PPO

https://ayushtambde.com/blog/tree-search-distillation-for-language-models-using-ppo/

#HackerNews #TreeSearchDistillation #LanguageModels #PPO #AIResearch #MachineLearning

Продвинутые RL алгоритмы: Normal Policy, TRPO, PPO

Большой конспект по продвинутым RL алгоритмам: TRPO и PPO. Автор слегка упоролся в формулах, но это из любви к прозрачности алгоритмов.

https://habr.com/ru/articles/991622/

#Policy_gradient_methods #ActorCritic #reinforcementlearning #ppo #trpo

RL (RLM): Разбираемся вместе

Всем привет! Недавно я познакомился с курсом по глубокому обучению с подкреплением от HuggingFace Deep Reinforcement Learning Course и захотел сделать выжимку самого интересного. Эта статья — своего рода шпаргалка по основам Reinforcement Learning (RL) и одному из ключевых алгоритмов — PPO, который лежит в основе тонкой настройки современных LLM (Large Language Models).

https://habr.com/ru/articles/958062/

#Искуственный_интеллект #Машинное_обучение #Алгоритмы #RLHF #LLM #Большие_языковые_модели #RL #Reinforcement_learning #PPO #Proxi

A Vulnerable Sector Check (VSC) pre-employment screening can take over 3 months because of a backlog at the OPP.

https://www.cbc.ca/news/canada/toronto/opp-background-check-backlog-1.7643394
- - -
La vérification des antécédents en vue d’un travail auprès de personnels vulnérables (VATPV) peut prendre plus de 3 mois à cause de retards chez la PPO.

// Article en anglais //

#Ontario #OPP #PPO

A Vulnerable Sector Check (VSC) pre-employment screening can take over 3 months because of a backlog at the OPP.

https://www.cbc.ca/news/canada/toronto/opp-background-check-backlog-1.7643394
- - -
La vérification des antécédents en vue d’un travail auprès de personnels vulnérables (VATPV) peut prendre plus de 3 mois à cause de retards chez la PPO.

// Article en anglais //

#Ontario #OPP #PPO

#MedicalInsurance #Medicare #MedicarePlus

Just received noticed from #BlueShield that #UCSF, my medical provider for the last 15 years, is leaving the #BlueShieldOfCA #PPO medical network as of 7/10/2025. ☹️

Just started doing some research on which groups are available where I can find a new PCP & all of the "reviews" for all of the medical groups in my area & beyond are dismal. 🤦‍♂️

That said, I've found that as long as I get a PCP that I get along with & who is responsive to my needs/requests, I'm happy even if the reviews for the group are poor.

So, I may need to try a couple in various groups before I find the PCP that I like.

As the member of a PPO, I don't have to worry all about getting referrals for specialized care but the day-to-day medical care -- labs & prescriptions -- is all I generally need & I just need to find another PCP who is on the same page with me for those things.

Wish me luck! 😉

#MedicalInsurance #Medicare #MedicarePlus

Just received noticed from #BlueShield that #UCSF, my medical provider for the last 15 years, is leaving the #BlueShieldOfCA #PPO medical network as of 7/10/2025. ☹️

Just started doing some research on which groups are available where I can find a new PCP & all of the "reviews" for all of the medical groups in my area & beyond are dismal. 🤦‍♂️

That said, I've found that as long as I get a PCP that I get along with & who is responsive to my needs/requests, I'm happy even if the reviews for the group are poor.

So, I may need to try a couple in various groups before I find the PCP that I like.

As the member of a PPO, I don't have to worry all about getting referrals for specialized care but the day-to-day medical care -- labs & prescriptions -- is all I generally need & I just need to find another PCP who is on the same page with me for those things.

Wish me luck! 😉

Does RL Incentivize Reasoning in LLMs Beyond the Base Model?
https://limit-of-rlvr.github.io/
#ycombinator #Qwen #Deepseek_R1 #PPO #GRPO #AIME #RLVR #Tsinghua_University

Does RL Incentivize Reasoning in LLMs Beyond the Base Model?
https://limit-of-rlvr.github.io/
#ycombinator #Qwen #Deepseek_R1 #PPO #GRPO #AIME #RLVR #Tsinghua_University

Mobile PPO groups in Kherson region hit "shaheeds" at night, destroying 6 enemy drones. #Kherson #PPO

Mobile PPO groups in Kherson region hit "shaheeds" at night, destroying 6 enemy drones. #Kherson #PPO

In Kyiv, PPO@censor_net operates. They are active on social media platforms. #Kyiv #PPO

In Kyiv, PPO@censor_net operates. They are active on social media platforms. #Kyiv #PPO

Vinnytsia region - PPO is operating. #Vinnytsia #PPO

"PPO is operating loudly in the Dnipro region." #Dnipro #PPO

Using clever change of variables trick #DPO is a more efficient drop-in replacement for #PPO in #RLHF.

Using DPO with preference labels from #chatbot panel of judges for virtually embodied agents would be a great way to achieve an unambiguous #AGI.

[2305.18290] Direct Preference Optimization: Your Language Model is Secretly a Reward Model https://arxiv.org/abs/2305.18290

Using clever change of variables trick #DPO is a more efficient drop-in replacement for #PPO in #RLHF.

Using DPO with preference labels from #chatbot panel of judges for virtually embodied agents would be a great way to achieve an unambiguous #AGI.

[2305.18290] Direct Preference Optimization: Your Language Model is Secretly a Reward Model https://arxiv.org/abs/2305.18290

Today I’ve started to make an humanoid robot learn to walk by itself. Funny to watch when evaluating the model after a few hours.

#ai #gym #deeplearning #ppo

Über #ChatGPT spreche ich mit @wstieler (MIT Technology Review) sowie @johoo und Hartmut Gieselmann ( @ct_Magazin ) im #ctuplink 47.0. Welche Anwendungen und Geschäftsmodelle gibt es. Was sind Chancen und Risiken von #KI

https://youtu.be/kbpBMN8ifZ4

#ChatGPT #GPT3 #OpenAI #AI #ArtificialIntelligence #KI #ML #MachineLearning #Transformer #PPO #NeuronaleNetze #KünstlicheIntelligenz #ctmagazin #uplink

Über #ChatGPT spreche ich mit @wstieler (MIT Technology Review) sowie @johoo und Hartmut Gieselmann ( @ct_Magazin ) im #ctuplink 47.0. Welche Anwendungen und Geschäftsmodelle gibt es. Was sind Chancen und Risiken von #KI

https://youtu.be/kbpBMN8ifZ4

#ChatGPT #GPT3 #OpenAI #AI #ArtificialIntelligence #KI #ML #MachineLearning #Transformer #PPO #NeuronaleNetze #KünstlicheIntelligenz #ctmagazin #uplink

Details zur Technik hinter #ChatGPT erklärt mir @ct_Magazin Redakteurin Pina Merkert in diesem c't uplink kompakt

https://www.youtube.com/watch?v=jcrBBxXK368

Um Anwendung und Auswirkung von #ChatGPT geht es dann am Samstag im #ctuplink 47.0, wo @johoo, @wstieler und Hartmut Gieselmann meine Gäste sind.

#ChatGPT #GPT3 #OpenAI #AI #ArtificialIntelligence #KI #ML #MachineLearning #Transformer #PPO #NeuronaleNetze #KünstlicheIntelligenz #ctmagazin #uplink #uplinkkompakt

Details zur Technik hinter #ChatGPT erklärt mir @ct_Magazin Redakteurin Pina Merkert in diesem c't uplink kompakt

https://www.youtube.com/watch?v=jcrBBxXK368

Um Anwendung und Auswirkung von #ChatGPT geht es dann am Samstag im #ctuplink 47.0, wo @johoo, @wstieler und Hartmut Gieselmann meine Gäste sind.

#ChatGPT #GPT3 #OpenAI #AI #ArtificialIntelligence #KI #ML #MachineLearning #Transformer #PPO #NeuronaleNetze #KünstlicheIntelligenz #ctmagazin #uplink #uplinkkompakt