标签：智能体训练
OpenAI发布CriticGPT模型，帮助人类找出ChatGPT错误
OpenAI于6月28日发布了CriticGPT，这是基于GPT-4的最新模型，专为开发人员设计，旨在提高人类反馈强化学习（RLHF）的效率，从而生成更高质量的训练数据。RLHF...
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...
