NVIDIA представила новые возможности обучения с подкреплением (RL) для AI-агентов, которые существенно повышают точность в специфических рабочих процессах. Обычно, традиционные методы, такие как с обучением от человека (RLHF), уже не всегда обеспечивают нужный результат. Теперь разработчики могут оптимизировать агенты для узкоспециализированных задач — от автоматизации клиентской поддержки до научных исследований.
Развитие технологий обучения с подкреплением
NVIDIA использует свою платформу Nemotron 3 Super и экосистему NeMo, обеспечивая масштабируемую тренеровку AI-агентов через множество окружений. Например, Nemotron 3 Super был дообучен с использованием RL на 21 валидаторе из NeMo Gym и 37 различных наборах данных, что позволило сгенерировать более 1,2 миллиона ротаций окружений. Это дает возможность синтетической генерации данных и проектирования проверяемых вознаграждений, что существенно улучшает результаты работы агентов.По словам аналитиков, обучение с подкреплением изменяет подход к созданию специализированных AI. Теперь команды могут адаптировать открытые модели, такие как Nemotron, для максимально эффективной работы. Важно, что RL позволяет задать конкретные цели и на основании этого производить обновления весов модели, что делает успешное поведение более предсказуемым.
Ключевые преимущества для организаций
Агентам, обученным по подходу RL, можно задать ясные цели в таких областях, как автоматизация процессов, анализ данных и поддержка клиентов. Это особенно важно для компаний, работающих в специфичных отраслях, где традиционные методы показывают недостаточную эффективность. Например, в области кибербезопасности обучение агентов может сократить время реагирования на инциденты до 50%, повышая общую защищенность ресурсов.Таким образом, предприятия могут не только повышать точность агентов, но и сохранять контроль над данными и интеллектуальной собственностью. Например, обучение с подкреплением позволяет использовать результаты тренировок как сигналы для улучшения работы системы, показывая, когда агент успешно выполняет задачи.