#GRPO

「GRPO」が話題になった海外 AI ポッドキャストのエピソードは 1 件です。主にTraining Dataで取り上げられています。各回の日本語要約・ポイント・解説記事を新しい順に並べています。

キーワードや期間で絞り込む →

「GRPO」を扱ったエピソード

Training Data

すべての企業に継続学習を:Trajectory 共同創業者 Ronak Malde 氏

Bringing Continual Learning to Every Company: Trajectory’s Ronak Malde

Trajectory 共同創業者の Ronak Malde 氏が、現在のエージェントは「疑似的な継続学習」にとどまり、オフラインの一括更新に頼っていると述べる回。トレース、再生可能な環境、報酬という要素を整理し、Group Size 1 の GRPO やメタグレーダーといった研究上の取り組みを紹介した。Harvey の事例、継続学習と再帰的自己改善(RSI)の違い、プロダクト開発者が庭師になるという展望も語られた。

2026年11月5日32分#GRPO#継続学習#強化学習