标签：强化学习
小红书大模型团队的探索与实践：从 0 到 1 构建自研 RLHF 框架
在人工智能技术快速发展的背景下，多模态大语言模型（MLLM）因其在图文理解、创作、知识推理及指令遵循方面的能力，成为数字化转型的重要推动力。小红书大模...
OpenAI科学家震惊TED大会：让AI模型思考20秒，提升10万倍性能！
在旧金山举行的TED AI大会上，OpenAI的高级研究科学家Noam Brown提出了一个创新理论，即通过让AI模型进行20秒的思考，可以实现相当于将模型扩大100,000倍并训...
揭秘 OpenR：首个类 o1 开源推理框架，增强大型语言模型复杂推理能力
由伦敦大学学院（UCL）、上海交通大学、利物浦大学、香港科技大学（广州）和西湖大学联合研究团队开发的首个类 o1 全链条训练框架「OpenR」已开源。OpenR 是...
首个o1复现开源RL框架OpenR来了，UCL、上交等高校联合团队发布
由伦敦大学学院（UCL）、上海交通大学、利物浦大学、香港科技大学（广州）和西湖大学联合研究的首个类o1全链条训练框架「OpenR」已开源，旨在提升大型语言模...
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...
