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

样本效率

OpenAI没做到,DeepSeek搞定了!开源引爆推理革命

下午4时 2025/05/24 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

万径归于「概率」,华人学者颠覆认知!英伟达大牛力荐RL微调新作

下午4时 2025/05/10 作者 新智元

调的价值,深度解释了AI训练「两阶段强化学习」的原因。某种意义上,他们的论文说明RL微调就是统计。

分类 资讯 标签 变体任务、 局部奖励模型、 样本效率、 策略优化、 软强化学习、 马尔可夫决策过程 发表评论

一篇Multi-Agent具身智能技术最新综述

下午2时 2025/05/10 作者 PaperAgent

具身AI研究涵盖了单智能体和多智能体系统,并介绍了不同方法在控制、学习和生成模型中的应用。重点讨论了MAS的控制与规划、学习以及基于生成模型的交互机制。

分类 分享 标签 具身AI、 北理工、 南京大学、 复杂性挑战、 样本效率、 西安交通大学 发表评论

强化学习被高估!清华上交:RL不能提升推理能力,新知识得靠蒸馏

下午4时 2025/04/26 作者 新智元

奖励强化学习(RLVR)的认知。RLVR被认为是打造自我进化大模型的关键,但实验表明,它可能只是提高

分类 资讯 标签 DeepSeek-R1、 Qwen-2.5-Math-7B-Oat-Zero、 RLVR、 强化学习、 推理能力、 样本效率 发表评论

深度强化学习的现状与挑战

上午8时 2025/02/17 作者 NLP工程化

深度强化学习在样本效率、奖励设计和稳定性等方面存在问题,未来可能通过更好的模型基础学习、迁移学习等方向解决。

分类 开源 标签 Alex Irpan、 个人博客文章、 奖励函数设计、 样本效率、 深度强化学习、 稳定性 发表评论

2025年 AGI AI AI技术 Anthropic ChatGPT Claude DeepSeek DeepSeek-R1 DeepSeek R1 GitHub GPT-4o LLM Manus 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 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

近期文章

  • 干货满满!图灵奖学术大牛和宇树、智谱等明星AI企业齐聚,探讨AI产业新风向
  • “AGI 五年内或将实现”:AI 教父 Bengio 呼吁中美达成共识,警惕 AI 沦为人类武器
  • 深夜突袭!谷歌Gemini 2.5 Pro更新蝉联榜一:推理超越o3,编程超越opus4
  • 强化学习之父Richard Sutton:人类数据耗尽,AI正在进入“经验时代”!
  • 免费约饭!美国CVPR 2025,相聚人才晚宴

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
2025 年 6 月
一 二 三 四 五 六 日
 1
2345678
9101112131415
16171819202122
23242526272829
30  
« 5 月    

归档

  • 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
×