Ex-Google Brain introduced a new AI model for financial research
Ex-Google Brain unveils new AI model for financial research Samaya, founded by ex-Google Brain researcher Maitra Raghu, has released the Sterling model, a pre-trained version of NVIDIA's Nemotron 3.5 Lightning. She was specially trained for complex agent tasks...
- 01.Ex-Google Brain unveils new AI model for financial research Samaya, founded by ex-Google Brain researcher Maitra Raghu, has released the Sterling model, a pre-trained version of NVIDIA's Nemotron 3.5 Lightning
- 02.She was specially trained for complex agent tasks...
Ex-Google Brain представила новую ИИ-модель для финансовых исследований Компания Samaya, основанная экс-исследователем Google Brain Майтрой Рагу, выпустила модель Sterling, дообученную версию Nemotron 3.5 Lightning от NVIDIA. Её специально дообучали под сложные агентные финансовые исследования: модель училась лучше пользоваться финансовыми инструментами, выбирать стратегию исследования и исправлять собственные ошибки. На бенчмарке FrontierFinance Sterling показала 58,9% против 55,9% у Claude Fable 5.1, при этом оказавшись примерно в 11 раз дешевле. Это интересный пример того, о чём мы недавно писали: насколько важен кастомный харнесс. Команда Samaya тренировала модель в своём кастомном харнессе, а не отдельно от него. В результате модель и харнесс адаптировались друг под друга.
Related Intelligence
All stories →DeepSeek and Moonshot AI trained their models on GPT-6 Astra outputs
Chinese developers DeepSeek and Moonshot AI used the outputs of the powerful OpenAI GPT-6 Astra model to train their own AI systems, reports Tech-news. The Information reports this, citing sources familiar with the matter. The practice of distillation once again…
Исследование памяти в ИИ-агентах: эпизодическая, семантическая и процедурная
Статья обсуждает три типа памяти в ИИ-агентах: эпизодическая, семантическая и процедурная, их реализацию и ключевые моменты дизайна.
Research on AI Agent Memory: Similarity Search Errors
The article discusses similarity search errors in AI agent memory and their impact on facts.