中科大AI突破：修复多类数据损坏
中科大MIRA团队TRACER：攻克离线强化学习数据损坏难题，赋能机器人与自动驾驶 引言 想象一下，一辆自动驾驶汽车在训练过程中…
字节跳动推出AGILE框架：强化学习赋能智能Agent全面升级
字节跳动推出强化学习LLM Agent框架AGILE：赋予AI更强大的学习和解决问题能力 引言 随着大语言模型（LLM）的快速发…
谷歌DeepMind发布多轮强化学习新方法SCoRe
引言 近日，谷歌DeepMind宣布推出一种名为SCoRe（Self-Correction via Reinforcement …
DeepMind新作：大模型自我纠错，数学编程能力暴涨！
在人工智能领域，语言模型的自我纠正能力一直被视为一项重要的技术挑战。近期，来自Google DeepMind的研究团队在这一领域…
中信证券力挺OpenAI：推理升级，强化学习新机遇引关注
OpenAI o1 推理升级，强化学习成新机遇 中信证券研报指出，OpenAI 最新发布的 o1 模型在思维链和强化学习方面取得…
Self-play大放异彩：OpenAI强化学习新灵魂揭秘
引言 近年来，人工智能领域取得了令人瞩目的进展，特别是在强化学习和大语言模型方面。OpenAI最新发布的o1模型，凭借其强大的通…