标签：强化学习
GPT 未竟的革命，由 o1 接棒：或是 LLM 研究最重要的发现
OpenAI近期推出了o1系列，标志着其在人工智能领域的又一次重大突破。o1系列在处理复杂推理任务方面表现出色，其在国际数学奥林匹克（IMO）资格考试中的正确解...
Yann LeCun不看好强化学习：「我确实更喜欢 MPC」
Meta首席人工智能科学家Yann LeCun对强化学习（RL）持批评态度，认为其需要大量尝试，效率低下，与人类学习方式不符。LeCun更倾向于模型预测控制（MPC），这...
分布式人工智能盛会 DAI 2024 征稿：Agent Day，强化学习之父 Richard Sutton 将出席
第六届分布式人工智能国际会议（DAI 2024）将于2024年12月18日至22日在新加坡举办，旨在汇聚全球顶尖研究人员和实践者，共同探讨分布式人工智能（Distributed...
DeepSeek开源数学大模型，高中、大学定理证明新SOTA
数学家陶哲轩在牛津数学公开讲座中提出，人工智能（AI）与数学的结合将推动形式化证明的编写超越人类，这不仅将验证现有证明，还将创造新的数学知识。AI在形...
最强智能体Agent Q发布！Llama 3成功率飙升3倍，OpenAI神秘「草莓」遭截胡？
MultiOn初创公司近期发布了一款名为Agent Q的智能体框架，宣称其在真实预订任务中的成功率达到了95.4%，引起了业界的广泛关注。该公司CEO Div Garg在推特上频...
ChatGPT「秘方」竟在拖LLM后腿？Karpathy、LeCun联手开怼RLHF！
近期，人工智能领域对于“从人类反馈中进行强化学习”（RLHF）是否属于真正的强化学习（RL）展开了激烈的讨论。这场讨论始于Andrej Karpathy发表的一系列推文，...
宇树科技王兴兴：与其完善多模态大模型，不如探索开发全新模型
2024年被广泛认为是人形机器人技术发展的重要年份，具身智能论坛在2024智源大会上成为焦点，吸引了众多关注。宇树科技的创始人兼CEO王兴兴在论坛上强调，探索...
Anthropic公开Claude 3，像人类一样特殊性格训练方法
Anthropic在其最新大模型Claude 3中引入了一种个性化性格训练方法。该方法名为“Constitutional AI: Harmlessness from AI Feedback”，其核心在于在确保输出安...
基于扩散模型的，开源世界模型DIAMOND
研究人员联合开源了一款名为DIAMOND的世界模型，基于扩散模型，用于智能体训练、世界建模及多模态分布建模等强化学习应用。选择扩散模型为基础，因其能更好地...
世界模型也扩散！训练出的智能体竟然不错
在图像生成领域，扩散模型已成为主流方法，并开始被应用于挑战强化学习智能体。近期研究提出了扩散世界模型，其主要通过对离散潜在变量序列的操作来模拟环境...
