Liquid AI、強化学習でファインチューニングされた実験的LLM「LFM2-2.6B-Exp」をリリース

Liquid AIは、既存のLFM2-2.6Bモデルを基盤とする実験的な言語モデルであるLFM2-2.6B-Expをリリースしました。この新しいイテレーションは、ファインチューニングに純粋な強化学習を使用している点が注目に値し、特定の動作や能力の最適化に重点を置いていることを示唆しています。このリリースはHugging Faceと𝕏（旧Twitter）で発表されており、開発とフィードバックに対するコミュニティ主導のアプローチを示しています。このモデルの実験的な性質は、まだ開発中であり、すべてのアプリケーションに適しているとは限らないことを意味しますが、言語モデルのトレーニングへの強化学習の応用における興味深い進歩を表しています。使用されている特定の強化学習技術と、その結果得られるパフォーマンス特性について、さらに調査することが有益でしょう。