Nyílt forrású RL-környezetté váltak az OpenAI matematikai feladatai
A Hugging Face csapata végrehajtható megerősítéses tanulási környezetet épített az OpenAI nyílt kutatási adataiból.
Clément Delangue, a Hugging Face vezérigazgatója bejelentette, hogy az OpenAI által közzétett matematikai feladatokat nyílt forrású RL-környezetekké alakították a platformjukon. Az új dataset lehetővé teszi, hogy a kutatók és fejlesztők közvetlenül erre az infrastruktúrára építve tanítsák a saját modelljeiket.
A rendszer egyelőre korai és nyers állapotban van: a verifikáló modul kizárólag a pontos, eredeti formalizációt fogadja el, így a matematikailag egyenértékű, de más formában megadott bizonyításokért még 0 pontot ad. A fejlesztés célja, hogy a nyílt kutatási eredményekből azonnal futtatható és összeállítható tanítási infrastruktúra jöjjön létre a teljes közösség számára.
Az adatbázis és a hozzá tartozó környezet a FineEnvs szervezet alatt már elérhető a Hugging Face oldalán, így bárki számára szabadon hozzáférhető és továbbfejleszthető.