在这种背景下，研究团队提出了一个全新的框架：SubgoalXL，结合了子目标（subgoal）证明策略与专家学习（expert learning）方法，在 Isabelle 中实现了形式化定理证明的性能突破。
2020 年，谷歌发表了预印本论文《Chip Placement with Deep Reinforcement Learning》，介绍了其设计芯片布局的新型强化学习方法。后来在 2021 年，谷歌又发表在 Nature 上并开源了出来。
Google DeepMind的SCoRe方法通过在线多轮强化学习，显著提升了大型语言模型在没有外部输入的情况下的自我修正能力。该方法在MATH和HumanEval基准测试中，分别将自我修正性能提高了15.6%和9.1%。
谷歌的AlphaChip，几小时内就能设计出芯片布局，直接碾压人类专家！这种超人芯片布局，已经应用在TPU、CPU在内的全球硬件中。人类设计芯片的方式，已被AI彻底改变。
芯片加速AI发展，AI反过来又推动芯片进步？
本篇内容是「AGIX 投什么」的第 6 篇。AGIX 指数是从全球上千家科技上市公司中精选出的 40 家“高 AI 纯度”公司的组合。AGIX 指数即是定位 AGI 进程的坐标，也为投资人捕捉 AI-alpha 提供了价值工具。在「AGIX 投什么」板块，我们会对 AGIX Index 的组合公司进行深度分析，为市场输出全面的 AI 投资参考。
印度教育科技公司Physics Wallah完成2.1亿美元B轮融资。
“全世界为你点亮”
这款机器狗已经在全网卖爆，抖音和小红书疯狂种草！耕耘五载无人问，一举成名天下知。具身智能元年，首先跑通C端落地商业化的，居然是这家公司？
Scale AI早早踩对了风口，如今终于一飞冲天了，公司的2024年年化收入预计达到近10亿美元。
