Stanford-forskere frigiver TRACE som open source og foreslår en praktisk vej til at gøre tilbagevendende agentfejl til små, verificerbare træningsmiljøer. Det kan flytte enterprise-fokus fra mere data til skarp capability-engineering — men der er åbne spørgsmål om licens, GRPO-detaljer og effekt i drift.

En tutorial bygger en ende-til-ende GRPO-træningsworkflow, hvor Gemma-3 løser GSM8K-opgaver via Tunix, JAX, LoRA og belønninger for format og korrekthed. Kilden gennemgår installation, Hugging Face-login med Gemma-licens, promptstruktur med ræsonnement og tal-svar samt letvægtsfinetuning med LoRA. Kilden deler ikke kvantitative før/efter-metrikker eller detaljer om batchstørrelser og runtime.

Trajectory åbner en concurrent multi‑LoRA træningsstack og rapporterer 2,81× højere end‑to‑end eksperiment‑throughput end et single‑tenant setup. Tallet stammer fra Trajectorys egen felt‑rapport og er, så vidt vi kan se, endnu ikke uafhængigt replikeret. Måledefinitionen for 2,81× er ikke fuldt specificeret i det offentlige materiale. Hvis gevinsten holder, kan kontinuerlig læring rykke ind i drift, men udbyttet afhænger hårdt af workloads, hardware og eval‑disciplin.

Hexo Labs frigiver SIA under MIT-licens: et open-source framework hvor en agent i én løkke både kan omskrive sin egen scaffold og opdatere modelvægte via LoRA. Vi gennemgår teknikken, de tre domæne-tests, uoverensstemmelser i tallene og hvad det kræver at køre det sikkert i produktion.

En teknisk gennemgang fra MarkTechPost deler moderne LLM-udvikling op i flere led fra pretraining til deployment. For virksomheder er den vigtige pointe ret jordnær: værdien ligger sjældent i at bygge endnu en grundmodel, men i at få tilpasning, alignment og drift til at hænge sammen.

Transformer² skaber bølger som en innovativ løsning til tilpasning af LLMs uden omfattende retraining, hvilket forbedrer effektiviteten og overkommer traditionelle tilpasningsudfordringer.