当前位置：首页|资讯

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

作者：机器之心发布时间：2024-09-15

根据相关人士推测，o1 的模型训练数据截止到去年十月份，而有关 Q \* 的爆料大约是去年 11 月，这似乎展示 o1 的训练中也用到了 TreeSearch 的技巧。...【查看原文】

相关资讯

基于Transformer的强化学习新突破！2大创新思路学到就是赚到！

基于Transformer的强化学习（TRL）是一种利用Transformer模型架构来改进和增强强化学习算法性能的方法。这种方法通过结合Transformer模型强大的表示能力和强化学习的决策优化框架，显著提升了智能体的学习能力和适应能力，为我们解决复杂环境下的决策问题提供了新的思路，因此也被广泛应用于各大领域。目前，TRL主要有两大发展方向：架构增强、轨迹优化。架构增强：通过改进Transformer的架构来提高强化学习模型的性能。轨迹优化：使用Transformer来优化强化学习中的轨迹数据，以更好

迪哥教人工智能 2024-08-14

北大公开课-人工智能基础 62 机器学习的范型之强化学习范式

强化学习是一种机器学习方法，关注智能体与环境之间的交互，目标是追求最大回报。强化学习的特点包括：无监督，仅有奖励信号；反馈有延迟，不是瞬时的；时间是重要的（由于是时序数据，不是独立同分布的）；Agent的动作会影响后续得到的数据等。在强化学习中，回报值（reward）是智能体与环境交互的结果，是智能体在某个状态下采取某个动作后获得的奖励或惩罚，是智能体行动的目标。回报值承担了以下作用：1）指导智能体学习，2）定义任务目标，3）评估智能体的性能。在强化学习中，回报值是一个随机变量，因此需要取期望来计算¹³²

北大人工智能机器学习

朝朝暮暮1895 2023-04-05

强化学习

什么是强化学习？强化学习 (RL) 是一种功能强大的机器学习 (ML) 方法，近年来在各行各业中得到越来越广泛的应用。这是一种基于反馈的方法，让人工智能 (AI) 驱动的系统（称为 agent，代理）通过反复迭代来学习如何在环境中完成任务。当需要实时决策、缩短周转时间、降低功耗和提高性能时，RL 可以充当得力助手。RL 是人工智能技术的一个子集，在各行各业中的应用越来越普遍，其中包括电子设计自动化 (EDA)。EDA 中的 RL 可助力设计复杂的电子电路和系统，此类设计通常要进行多次迭代，并且需要不断优化

机器学习人工智能

Cadence楷登 2024-01-31

1.强化学习能解决什么问题

2016年和2017年最具影响力的AlphaGo大胜世界围棋冠军李世石和柯洁事件，其核心算法就用到强化学习算法Research (deepmind.com)。2022年第大热的ChatGPT也用到了reinforcement learning from human feedback (RLHF)。如今，强化学习正在各行各业开花结果，成为学术界和工业界追捧的热点。到底强化学习解决其中什么问题呢？一句话来说，强化学习所能解决的问题是智能决策问题，更确切地说是序贯决策问题。什么是序贯决策问题？就是需要连续不断地

ChatGPT

李富贵bilibili 2023-02-19

强化学习工具包-OpenAI Gym

作者:OpenAi 翻译:suntiger 1.摘要 OpenAI Gym 是一个用于强化学习研究的工具包。它包含了一个不断增长的基准问题集合,这些问题通过一个通用接口暴露出来,还有一个网站,人们可以

OpenAI

suntiger 2023-04-23

近期资讯

起重量5500吨！国内最大双臂架变幅起重船“二航卓越”完工

快科技9月18日消息，据媒体报道，中交二航局投资、上海振华重工建造的国内最大双臂架变幅式起重船“二航卓越”顺利完工。“二航卓越”于2023年8月14日开工建造，2023年12

鹿角 19小时前

SpaceX星链超7000颗！再次发射欧盟伽利略导航卫星

9月13日9点45分，SpaceX发射了第192批的21颗星联V2 Mini卫星，发射总数达到7022颗。其中13颗支持手机直连，这类卫星的总数也达到了207颗。本次使用的猎鹰9号火箭一级助推器编号B1071.18，此

上方文Q 19小时前

小米三折手机专利曝光：华为同款Z字形方案 2022年就布局

快科技9月18日消息，华为三折叠突然亮相，展示了华为在折叠屏领域强大的技术研发和探索，不过其他厂商其实也有相关技术布局。根据国家知识产权局9月3日公示的信息，小米公司一项“手机及

建嘉 19小时前

世界级光储项目！比亚迪在智利供货提升至3GWh 前所未有

快科技9月18日消息，西班牙Grenergy公司宣布，将与比亚迪扩大在智利的世界级光储项目供货协议，提升至3GWh。根据新的协议内容，继比亚迪为智利阿塔卡马绿洲项目的一期和二期提供了1.1GWh的储能

随心 20小时前

限制对中国芯片技术出口！曝美日已接近达成协议

据国外媒体报道，美国与日本在针对中国半导体行业的出口管制上已接近达成协议，有消息人士透露，尽管谈判过程中存在担忧，双方仍在继续推进。报道称，美国希望通过“外国直接产品规则&rd

黑白 19小时前

AirPods 4上手体验：你买我推荐 我买我真买！

上个礼拜的苹果秋季发布会，相信大家都看了吧？苹果一共发布了三款新品，分别是 iPhone 16 系列、Apple Watch S10 以及两款 AirPods 4。当时咱们编辑部很多小伙伴看完发布会后，对 AirPods

20小时前

iQOO Z9 Turbo+真机首曝：天玑9300+搭配6400mAh超大电池

快科技9月18日消息，iQOO Z9 Turbo+上周官宣本月发布，目前真机已经在线下店被曝光。从“关于手机”中展示的配置信息来看，iQOO Z9 Turbo+将搭载联发科天玑9300+，这是目前安卓领域

建嘉 20小时前

美诚天猫、抖音下架所有月饼！罗永浩退一赔三、小杨哥沉默

快科技9月18日消息，近日，关于“香港美诚月饼”产品引起了大家比较大的争议。美诚月饼天猫旗舰店“美诚礼旗舰店”内的月饼产品已下架，仅剩3种点心礼盒，对此客服表示：

黑白 20小时前

8月燃油轿车销量排行榜：合资品牌独占八席 大众成最大赢家

快科技9月18日消息，今日，中汽数研发布了8月份燃油轿车销量排行榜。燃油轿车销量榜前十阵营中，合资品牌独占八席，并且大众成为最大的赢家，加上奥迪A6L的话，大众旗下车型共有五款车型上榜。

若风 19小时前

便宜的Zen5笔记本要来了！CPU、GPU同时大缩水

快科技9月18日消息，日前我们看到了第一款8核心的锐龙AI 300处理器，是面向商务本的锐龙AI 7 PRO 360，但是在消费端，情况不太一样。根据最新消息，8核心应该是锐龙AI PRO系列的独占，而消费级

上方文Q 20小时前

推荐体验

AIGC重要产品

AI对话：类ChatGPT产品体验

好用的AI绘画工具

火热的AIGC产品

AIGC近期要闻

大公司发布的大模型产品都有哪些？

政府对AIGC的扶持政策

AIGC对就业的影响：我们会失业吗？

AIGC产业影响

AIGC对内容创作的影响

AIGC对绘画设计领域的影响

AIGC对各行各业的影响

Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1