强化学习
是机器学习的范式和方法论之一，是智能体与环境不断交互，从而不断强化自己的决策能力的过程
NeurIPS 2023 | 认知层级下的群体动作预测
本文解读了NeurIPS 2023会议上北京大学计算机视觉与数字艺术课题组发表的论文《认知层级下的社交动作预测》。该论文探讨了人类在预测他人动作和规划自身动作...
社招｜美团RLHF招人啦！
该岗位要求有机器学习基础，对强化学习感兴趣，负责整体优化LLM强化学习链路，包括数据探索和增强、奖励模型优化、RL策略迭代和效果评估等，不断提高算法效率...
OpenAI 深夜变天，Sam Altman 被踢出局，原 CTO 暂代临时 CEO
OpenAI宣布，经过审查程序后，Sam Altman离开公司，首席技术官Mira Murati暂代CEO职位。同时，GPT-4 Turbo和GPT-3.5-Turbo-1106模型正式上线Azure OpenAI服务。
突发！奥特曼被解雇，OpenAI董事会内讧
OpenAI突发公告，宣布领导层换届。由于高层内讧，Sam Altman被董事会解雇，不再担任CEO。董事会认为他在与董事会的沟通中始终不坦诚，阻碍了董事会履行职责的...
使用 PPO 算法进行 RLHF 的 N 步实现细节
本文介绍了 RLHF/ChatGPT 的研究现状，并尝试复现了 OpenAI 在 2019 年开源的原始 RLHF 代码库。虽然该代码库具有 “tensorflow-1.x” 的特性，但它的评估和基...
一些RLHF的平替汇总
RLHF是一种玄学的学习方法，效果因系统链路太长自由度太高而难以控制，但由于自由度高、以目标为导向的学习范式和标注成本低等优点，业内认为其效果潜力大。O...
耶鲁、交大提出“专家会诊”多智能体框架, 使用ChatGPT解决临床推理问题
研究者提出了一个名为多学科协作(Multi-disciplinary Collaboration, MC)的临床领域框架，旨在揭示医学智能模型的内在临床知识并提升其推理能力。LLMs在医疗...
OpenAI神秘Q*项目解密！诞生30+年「Q学习」算法引全球网友终极猜想
OpenAI最新项目Q*（Q-Star）已经展现出人工通用智能的雏形，引起了广泛关注。许多人开始研究“Q学习”（Q-learning），这是一种来自1992年的技术，突然成为了热...
Google DeepMind｜强化学习中的概率推断
本文提出了一种基于贝叶斯处理的强化学习方法VAPOR，通过计算状态-动作对在最优策略下的后验概率来生成有效的探索策略。VAPOR方法具有与其他算法的强连接，并...
重磅！Sam Altman重回OpenAI，董事会洗牌
OpenAI宣布，Sam Altman重新担任CEO，联合创始人兼总裁Greg Brockman也将回归，组建新初始董事会由Bret Taylor、Larry Summers和Adam D'Angelo组成。
这是一个专注于人工智能产品的导航站。
