标签：强化学习
刚刚，OpenAI公开o1模型测试方法，人机协作时代！
OpenAI最近发布了两篇关于其前沿模型如o1、GPT-4、DALL-E 3的安全测试方法的论文，旨在为开发人员提供开发安全、可靠AI模型的参考。这些测试方法强调AI与人类...
推理性能直逼o1，DeepSeek再次出手，重点：即将开源
DeepSeek最近推出了一款新的推理模型DeepSeek-R1-Lite-Preview，这款模型在多个权威评测中超越了包括GPT-4o在内的顶尖模型，甚至在某些方面领先于OpenAI o1-p...
Karpathy后悔了：2015年就看到了语言模型的潜力，却搞了多年强化学习
AI领域的重要人物Andrej Karpathy，曾是OpenAI的创始成员和特斯拉的AI高级总监，最近表达了对自己早期研究方向选择的遗憾。他认为自己没有及时引领OpenAI进入...
月之暗面发布首款数学模型 k0-math，对标o1
月之暗面科技有限公司的创始人杨植麟在京东科技大厦宣布了Kimi数学模型k0-math的正式发布。该模型的数学能力与OpenAI的o1系列相媲美，且截至2024年10月，Kimi...
伯克利罗剑岚：机器人的范式革命，藏在真实世界中丨具身先锋十人谈
伯克利大学Sergey Levine团队最近发布了一项名为HIL-SERL的强化学习研究，该研究在具身智能领域引起了广泛关注。HIL-SERL框架使得研究者能够直接在现实世界中...
自动漂移、用LLM和扩散模型“折腾”机器人…顶会CoRL上最佳论文都在研究啥
第8届机器人学习大会（CoRL）于2024年11月6日至9日在德国慕尼黑举办，聚焦机器人学习领域的最新研究进展。会议吸引了超过1000名参与者，共收到671篇投稿，其...
Llama版o1来了，来自上海AI Lab，强化学习代码已开源，基于AlphaGo Zero范式
上海AI Lab团队发布了LLaMA版o1项目，旨在复刻OpenAI的o1推理大模型。该项目采用了蒙特卡洛树搜索、Self-Play强化学习、PPO以及AlphaGo Zero的双重策略范式。...
OpenAI华人科学家翁荔：人类如何培养出下一代聪明且安全的AI技术｜钛媒体AGI
在2024年Bilibili超级科学晚上，OpenAI研究副总裁翁荔发表了关于AI安全与培养的演讲。她强调，随着AI技术的快速发展，确保其行为符合人类价值观和安全性变得...
吞吐量最高飙升20倍！豆包大模型团队开源RLHF框架，破解强化学习训练部署难题
字节跳动豆包大模型团队与香港大学联合提出了一个名为HybridFlow（开源项目名：veRL）的灵活且高效的强化学习（RL）/RLHF框架。该框架采用混合编程模型，结合...
强化学习之父Richard Sutton给出一个简单思路，大幅增强所有RL算法
阿尔伯塔大学教授Richard Sutton及其团队提出了一种名为“奖励聚中”（Reward Centering）的新型强化学习思想，旨在改进现有强化学习方法。该思想通过从奖励中...
