标签：强化学习
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...
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...
