标签：强化学习
AI几小时设计芯片超越人类！谷歌AlphaChip登Nature，已设计出三代旗舰TPU
谷歌DeepMind推出了一款名为AlphaChip的AI系统，它能够利用强化学习原理，在数小时内设计出与人类专家水平相当或更优的芯片布局。AlphaChip的应用范围广泛，...
谷歌要干掉layout工程师？
DeepMind最近宣布，其人工智能技术AlphaChip已经在全球范围内的硬件中得到应用，加速并优化了芯片设计。AlphaChip利用深度强化学习的方法，显著提高了芯片布...
万字推演OpenAI o1 self-play RL 技术路线
曹宇在其文章中深入分析了OpenAI的新型自我博弈强化学习（RL）模型o1，该模型在数理推理领域取得了显著成绩，并提出了训练时计算（train-time compute）和测...
o1 研发团队完整采访：Ilya早期曾参与，灵感源于AlphaGo
OpenAI的o1模型自问世以来，以其卓越的推理能力在人工智能领域引起了广泛关注。o1不仅在数学奥林匹克竞赛中表现出色，甚至在博士级别的科学问答中超越了人类...
强化学习让大模型自动纠错，数学、编程性能暴涨，DeepMind新作
在大语言模型（LLM）的研究领域，自我纠正能力一直是一个重要的研究方向。然而，现有的自我纠正训练方法通常依赖于多个模型或额外的监督，这限制了其实用性。...
OpenAI o1要跟，怎么跟？这个GitHub项目把解读、博客、相关论文一网打尽
在AI领域，OpenAI的o1模型发布引起了广泛关注，机器之心对此进行了深入报道，并提供了相关资源。北大对齐团队对o1模型进行了独家解读，强调了其在强化学习领...
北大对齐团队独家解读：OpenAI o1开启「后训练」时代强化学习新范式
机器之心AIxiv专栏致力于发布学术和技术内容，已报道2000多篇涵盖全球顶级实验室的文章，促进了学术交流。OpenAI的o1模型在数学、代码和长程规划等领域取得显...
OpenAI o1模型问世，五级AGI再突破！推理极限超博士，清北复旦华人立功
OpenAI最近推出了o1系列模型，包括o1-preview和o1-mini，这些模型在复杂推理、数学和编程问题上展现出了显著的性能提升。o1-preview模型将向ChatGPT的Plus和T...
大招憋出来了！OpenAI发布最强推理模型o1，它真的会思考，但API比4o贵好几倍
OpenAI 近日宣布推出了备受期待的推理模型 Strawberry，即 OpenAI o1-preview，以及一个更小、成本更低的版本 o1 mini。此次发布的模型被称为“预览版”，表明 ...
刚刚，OpenAI震撼发布o1大模型！强化学习突破LLM推理极限
OpenAI在9月13日宣布了其最新AI大模型系列的发布，这标志着大模型技术发展的新起点。新模型专门设计用于解决复杂问题，能够执行复杂推理，超越了以往科学、代...
