Atropos v0.3 er nå ute! RL Environments-rammeverket vårt har sett mange oppgraderinger siden v0.2 - noen høydepunkter: - Atropos kan nå brukes som et benchmarking- og evalueringsrammeverk av @rogershijin, med vår første eksterne benchmark, Reward-Bench 2! - La til Reasoning Gym, et eksternt treningsstudio som er portert til atropos med over 100 resonneringsoppgaver av @neurosp1ke og venner. - @max_paperclips integrerte @intern_lm resonnement-bootcamp, og la til 1000+ nye resonneringsoppgaver for RL - @dmayhem93 hovedingeniøren til Atropos lagt til dusinvis av feilrettinger og andre forbedringer av pålitelighet og kompatibilitet, bedre støtte for multi-miljø og CI/CD - Mange av Atropos hackathon-miljøene har blitt slått sammen til /environments/community - å liste dem alle ville ta opp mesteparten av skjermplassen, men noen høydepunkter: VR-CLI av @JakeABoggs, filosofi RLAIF, adaptive LLM-lærere, WebVoyager, proteindesign av @hallerite, et modellrutingsmiljø av @gabinfay, flere på lean-bevis, catbot-arenaen, pokémon-oppgjør, poker, hjelpsomme leger, sanskrit-poesi av @khoomeik og mye mer! - Andre bemerkelsesverdige offisielt støttede nye miljøer inkluderer: Svarformat følgende miljø Pydantisk til JSON-miljø portert fra @MatternJustus arbeid Instruksjon Følger portert fra @natolambert og @allen_ai arbeid Brevtelling - 47 helt nye bidragsytere! Sjekk ut hele endringsloggen her: