AI资讯新闻榜单内容搜索-RL

关键词: AI,openai,模型训练,self-play RL

OpenAI的self-play RL新模型o1最近交卷，直接引爆了关于对于self-play的讨论。

关键词: 李飞飞,AI,World Labs,大世界模型

李飞飞新创企结束隐身

关键词: AI,李飞飞,黄仁勋,World Labs

黄仁勋，投了李飞飞

关键词: OpenAI o1,self-play RL,AI,人工智能

Self-play RL 开启 AGI 下半场

关键词: 李飞飞,AI,大世界模型,World Labs,空间智能

AI教母李飞飞的创业公司World Labs，正式官宣启动！

关键词: 李飞飞,AI,大世界模型,World Labs,空间智能

World Labs 的创始团队中，有 ImageNet、NeRF、Style Transfer 和 Gaussian Splats 作者在列。

关键词: ReKep,空间智能,李飞飞,GPT-4o,World Labs

视觉与机器人学习的深度融合。

关键词: Scaling Law,RL,Self-Play,agent

从几周前 Sam Altman 在 X 上发布草莓照片开始，整个行业都在期待 OpenAI 发布新模型。根据 The information 的报道，Strawberry 就是之前的 Q-star，其合成数据的方法会大幅提升 LLM 的智能推理能力，尤其体现在数学解题、解字谜、代码生成等复杂推理任务。这个方法也会用在 GPT 系列的提升上，帮助 OpenAI 新一代 Orion。

关键词: RL,LLM,模型训练,智能体,AI

AGI 正在迎来新范式，RL 是 LLM 的秘密武器。

关键词: SFT,RLHF,DPO,IFT,AI关键词

SFT、RLHF 和 DPO 都是先估计 LLMs 本身的偏好，再与人类的偏好进行对齐