标签：策略
斯坦福提出对比偏好学习：无需强化学习即可从人类反馈中学习
机器之心报道编辑：Panda W我们知道，ChatGPT 的成功离不开 RLHF 这个「秘密武器」。不过 RLHF 并不是完美无缺的，存在难以处理的优化难题。本文中，斯坦福大...
7B羊驼战胜540B“谷歌版GPT”，MIT用博弈论调教大模型，无需训练就能完成
克雷西 发自 凹非寺量子位 | 公众号 QbitAI基于博弈论，MIT提出了一种新的大模型优化策略。在其加持之下，7B参数的Llama在多个数据集上超越了540B的“谷歌版GP...
一文读懂ChatGPT中的强化学习
大数据文摘授权转载自数据派THU作者：陈之炎编辑：黄继彦校对：龚力ChatGPT基于OpenAI的GPT-3.5创造，是InstructGPT的衍生产品，它引入了一种新的方法，将人...
语言、机器人破壁，MIT等用GPT-4自动生成模拟任务，并迁移到真实世界
机器之心报道编辑：杜伟、小舟GPT-4 与机器人又擦出了新的火花。在机器人领域，实现通用机器人策略需要大量数据，而在真实世界收集这些数据又耗时费力。尽管...
最新AI热点论文（10/9-10/15）
图｜匡萃彪文｜匡萃彪最新人工智能论文（10/9-10/15）：- 环形注意力- 通用模拟器- LLMs中事实性的概述- LLMs 能学规则- LLM的元思维链提示- 医疗保健LLM调查...
谷歌、AMD、英特尔加入挑战，英伟达AI解决方案还能继续“遥遥领先”吗？
夕小瑶科技说 原创编译 | 谢年年要问世界范围内人工智能解决方案谁最“遥遥领先”？那肯定是英伟达！然鹅这一情况很有可能会发生变动。谷歌正在构建自己的人工...
东大华人博士让GPT-4用「心智理论」玩德扑！完胜传统算法，碾压人类新手
新智元报道编辑：Lumina【新智元导读】来自东京大学的Suspicion Agent利用GPT-4，在不完全信息博弈中表现出了高阶的心智理论能力（ToM）。在完全信息博弈中，...
开放模型权重被指将导致AI失控，Meta遭举牌抗议，LeCun：开源AI社区如火如荼
机器之心编译编辑：杜伟、小舟AI 尤其是大模型时代的开源与闭源，有利有弊，重要的是如何在使用的过程中做好文章。一直以来，人们在 AI 领域的开源与闭源选择...
如何降低视觉Transformer计算成本？时间冗余方法让人大吃一惊
机器之心编译编辑：Panda W在为语言领域带来变革之后，Transformer 正在进军视觉领域，但其也有着高计算成本的问题。近日，威斯康星大学麦迪逊分校一个研究团...
智源：70万预算从头开发千亿参数大模型，挑战成功
克雷西 发自 凹非寺量子位 | 公众号 QbitAI预算10万美元（约73万人民币），从头训练一个全新的千亿参数大模型。智源研究院与国内多所高校及南洋理工联合团队...
攀爬、跳跃、过窄缝，开源强化学习策略让机器狗能跑酷了
机器之心报道编辑：小舟主打一个迅速。跑酷是一项极限运动，对机器人特别是四足机器狗来说，更是一项巨大的挑战，需要在复杂的环境中快速克服各种障碍。一些...
ChatGPT的这项核心技术要被替代了？谷歌提出基于AI反馈的强化学习
大数据文摘出品作者：闫一米编辑：学术君与基于人类反馈的强化学习（RLHF）相媲美的技术，出现了。近日，Google Research 的研究人员提出了基于 AI 反馈的强...
粤公网安备 44011502001135号