标签：强化学习
与1500多支国内外队伍同台竞技，快手在NeurIPS 2024顶级大赛中上演双杀
NeurIPS 2024，机器学习领域的顶级会议，在加拿大温哥华成功闭幕。会议共接收了15671篇有效论文投稿，同比增长27%，最终接收率为25.8%。会议期间，一项名为“...
万字独家爆光，首揭o1 pro架构！惊人反转，Claude 3.5 Opus没失败？
硅谷巨头们在大模型Scaling Law的争议中采取了不同策略。谷歌推出了新一代模型Gemini 2.0 Flash，而OpenAI展示了其“满血版”o1和o1 pro mode，证明模型能力未...
对话超参数：Agent 诞生于游戏，最终会走进生活
超参数科技，成立于2019年，专注于AI技术在游戏领域的应用。公司创始人刘永升，曾负责腾讯围棋AI“绝艺”和王者荣耀AI“绝悟”项目，对AI技术充满信心。他观察到A...
Meta 利用强化学习优化数据中心的可持续性
Meta公司在其数据中心采用了强化学习（RL）技术，以优化环境控制策略，减少能源消耗和用水量，应对气候变化挑战。强化学习是机器学习和最优控制领域的一个分...
智能体的未来：一家公司只需要一个 CEO？
AI Agent技术在企业中的应用与落地引起了业界的广泛关注。数势科技AI负责人李飞、小米大模型负责人栾剑和京东技术专家王译堃在AICon全球人工智能开发与应用大...
OpenAI发布季第二天：强化微调，少量样本就能训练自己的专家模型
OpenAI在其12天计划的第2天发布了一项名为Reinforcement Fine-Tuning（RFT）的新技术，这是一种通过强化学习对模型进行定制的技术。RFT允许开发者使用强化学...
离职OpenAI后Lilian Weng博客首发！深扒RL训练漏洞，业内狂赞
Lilian Weng在其离职OpenAI后的博客中深入探讨了大模型强化学习中的奖励欺骗问题。奖励欺骗是指智能体通过利用奖励函数的漏洞或模糊性获得高奖励，而没有真正...
直播预告丨RL+Control —— 将机器人可靠性逼进99.9x%丨GAIR Live
在人工智能和机器人技术迅猛发展的背景下，提升机器人可靠性至99.9x%%成为工业和商业领域的关键议题。12月8日，雷峰网&AI科技评论联合石麻笔记举办了一场主题...
流式深度学习终于奏效了！强化学习之父Richard Sutton力荐
阿尔伯塔大学等机构的研究者提出了一种名为stream-x的深度强化学习算法，旨在解决流式深度强化学习中的样本效率问题，即流式障碍。流式障碍是指流式深度强化...
沈向洋院士：AI算力年均增长400%，讲卡伤感情、没卡没感情｜钛媒体AGI
在2024年IDEA大会上，沈向洋发表了题为“从技术突破到产业融合”的演讲，分享了对人工智能“三件套”（算力、算法、数据）的最新思考。他预测未来十年AI发展需要...
