跳至内容
每时AI

每时AI

  • 资讯
  • 国际
  • 分享
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 关于我们

策略梯度

OpenAI没做到,DeepSeek搞定了!开源引爆推理革命

2025年5月24日16时 作者 新智元

名噪一时。而强化学习算法GRPO,是背后最大的功臣之一。然而,开源界对强化学习算法的探索并没有终结。

分类 资讯 标签 DAPO、 GRoPo、 PPO、 动态调整、 样本效率、 策略梯度 发表评论

思考 RLHF 的本质以及主流算法思路

2025年5月3日14时 作者 机器学习算法与自然语言处理

业研究人员。
社区的愿景
是促进国内外自然语言处理,机器学习学术界、产业界和广大爱好者之间的交流和进

分类 学术 标签 优势计算、 具体应用、 技术趋势、 深度强化学习、 研究进展、 策略梯度 发表评论

2024图灵奖颁给强化学习两位奠基人!ChatGPT、DeepSeek背后功臣戴上迟来的冠冕

2025年3月6日8时 作者 新智元

Andrew Barto,获得了2024年图灵奖。有人说,图灵奖终于颁给了强化学习,这是迟到的「奖励

分类 资讯 标签 Andrew Barto、 Q-learning、 Richard Sutton、 强化学习、 神经网络、 策略梯度 发表评论

28年AGI撞上数据墙,以后全靠测试时计算?CMU详解优化原理

2025年1月27日16时 作者 新智元

新智元报道
编辑:KingHZ
【新智元导读】
2028年,预计高质量数据将要耗尽,数据Scalin

分类 资讯 标签 Actor-Critic、 Black-box MetaRL、 MetaRL、 密集奖励、 稀疏监督信号、 策略梯度 发表评论

AGI AI AI技术 Anthropic ChatGPT Claude Cursor DeepSeek DeepSeek-R1 GitHub GPT-4o LLM Meta OpenAI Python Sam Altman 人工智能 人形机器人 具身智能 大型语言模型 大模型 大语言模型 字节跳动 工业机器人 开源 强化学习 微软 扩散模型 技术创新 智能体 木易 机器学习 深度学习 清华大学 生成式AI 用户体验 百度 腾讯 自然语言处理 英伟达 谷歌 阿里云 阿里巴巴 马斯克 黄仁勋

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
  • 谷歌Q2财报前瞻:AI难撼搜索业务,反垄断裁决存不确定性,资本支出是否上调成看点
  • 上手即封神!阿里Qwen3-Coder不只是地表最强,它正在重新定义AI生产力
  • 沉寂多年的京东投资,突然连续重金布局 4 家机器人公司!
  • 人类在被大语言模型“反向图灵测试”
  • Adobe Firefly 增加音效生成功能!

2025 年 7 月
一 二 三 四 五 六 日
 123456
78910111213
14151617181920
21222324252627
28293031  
« 6 月    

归档

  • 2025 年 7 月
  • 2025 年 6 月
  • 2025 年 5 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月

AI新闻 | X平台 | APK反编译 | 京ICP备2024096144号 |
© 2025 每时AI • Built with GeneratePress
 下载我们的APP,AI秒送达!  立即下载
×