Actualité
OLMo-3 : une trajectoire instrumentale non monotone pendant le RLVR
Analyse des sous-objectifs de pouvoir dans les modèles LLM via l'apprentissage par renforcement avec récompenses vérifiables.
En savoir plus : OLMo-3 : une trajectoire instrumentale non monotone pendant le RLVR (French article)
