Технический директор французского стартапа Pleias Пьер-Карл Лангле (Pierre-Carl Langlais) опубликовал тезисы о новом методе масштабирования языковых моделей GLM-5.2, который сочетает обучение с подкреплением и рекурсивный генеративный дизайн.
Французский стартап Pleias, разрабатывающий языковые модели, предложил альтернативный подход к масштабированию нейросетевых архитектур. По словам технического директора компании Пьера-Карла Лангле, модель GLM-5.2 демонстрирует эффективность при обучении в средах с подкреплением (reinforcement learning environments) и использовании рекурсивных генеративных механизмов.
Лангле утверждает, что традиционные методы масштабирования, основанные на увеличении объёмов данных и вычислительных мощностей, исчерпывают свой потенциал. В качестве решения он предлагает интеграцию алгоритмов обучения с подкреплением, которые позволяют модели адаптироваться к динамическим задачам без необходимости в дополнительных обучающих выборках. Рекурсивный генеративный дизайн, по его словам, обеспечивает самосовершенствование архитектуры за счёт внутренней оптимизации.
Подход Pleias пока не получил широкой оценки экспертного сообщества, однако тезисы Лангле вызвали интерес среди разработчиков в области ИИ. В частности, обсуждается возможность применения метода для создания более гибких и адаптивных моделей, способных решать задачи в условиях ограниченных данных. Сам стартап позиционирует GLM-5.2 как экспериментальную платформу, а не коммерческий продукт.
Ранее Pleias специализировался на разработке языковых моделей для европейских языков с акцентом на французский. Компания не раскрывает детали финансирования, но известно, что она участвует в исследовательских проектах, поддерживаемых Европейским союзом.
Источники: X-пост Пьера-Карла Лангле (Pierre-Carl Langlais), 21 июня 2026 года; блог Pleias.