Как обучать и оценивать AI-агентов: почему Pass@1 бесполезен и как работает связка SFT + GKD + GRPO
Инженерный разбор пост-тренинга и бенчмаркинга AI-агентов: от маскирования loss в SFT и on-policy дистилляции до RLVR (GRPO) и изолированных сред.
Статьи
Архитектура распределенных систем, автономные AI-агенты, RL и алгоритмический трейдинг.
Filter by tags
Всего 54 публикаций
Самообучающиеся торговые AI-агенты: иллюзии, оверфиттинг и реальная архитектура
Разбор архитектуры self-improving trading agents: почему обещания 40%+ в месяц — это маркетинг, и как на самом деле строить надежные контуры с OOS-тюнингом и approval gates.
Reinforcement Learning в алготрейдинге: архитектура памяти состояний, Q-learning и стационарные признаки
Инженерный разбор RL-систем для финансовых рынков: квантование состояний в нейроны памяти, z-score инварианты, Q-learning и ансамблевый Collective Mind.
Запуск блога на Zola
Почему Zola — один из лучших статических генераторов сайтов: скорость, отсутствие зависимостей и удобная шаблонизация.