NVIDIA утверждает, что RLVR и GRPO теперь практичны для корпоративных AI-агентов, связывая Nemotron 3 Super и NeMo RL с повышением надежности в предметных задачах.

General Intuition привлекла 320 млн долларов, чтобы масштабировать ИИ, обученный на миллионах часов игрового процесса, делая ставку на то, что данные о действиях могут помочь ИИ развить навыки рассуждения в реальном мире.

Бывший исследователь Google DeepMind Дэвид Сильвер привлекает рекордный посевной раунд в $1 миллиард во главе со Sequoia Capital для своего лондонского стартапа Ineffable Intelligence, которая стремится создать сверхинтеллект, используя обучение с подкреплением, а не большие языковые модели.