PPO

Cada historia sobre PPO (1)

Nuevos modelosGPT-6 Astra corrige la capacidad matemática de Qwen3.5 reescribiendo su cerebro sin necesidad de entrenamientoHerald of AI

Nuevos modelos

GPT-6 Astra corrige la capacidad matemática de Qwen3.5 reescribiendo su cerebro sin necesidad de entrenamiento

Investigadores del MIT demostraron que un único modelo de IA de alta gama puede leer y editar los números internos de otro modelo para hacerlo mucho más inteligente en matemáticas, sin necesidad de entrenamiento.

3 de noviembre de 2026 · 5 min de lectura

También mencionado en (1)

Historias sobre otra cosa que mencionan PPO de pasada, con la oración correspondiente.

• El RL agente tiene una ley de escalado, y esto cambia la forma en que debes gastar tu presupuesto«El resultado fue claro y consistente: en todos los tamaños de modelo, familias de modelos, dominios y ambos algoritmos de RL, PPO y GRPO, los exponentes de escalado clasificaron entorno, tarea, trayectoria.»