#Aprendizaje por refuerzo
Artículos
Modelos
Un preprint con autores del MIT dice que Qwen3.8-27B-PEAR, entrenado solo en simulación, completó 18 de 30 pruebas en un robot real de dos brazos que nunca vio, mientras el modelo base no completó ninguna
Un preprint dice que un modelo 27B entrenado solo en simulación completó 18 de 30 pruebas en un robot real; el modelo base, ninguna. Dos tipos de tareas.