AI资讯新闻榜单内容搜索-Self-Play

关键词: AI,模型训练,Meta,Self-play SWE-RL

当模型学会「左右互搏」的那一刻，平庸的模仿时代结束了，真正的硅基编程奇迹刚刚开始。

关键词: 模型训练,搜索自博弈,Search Self-play,人工智能

来⾃阿⾥巴巴夸克、北京⼤学、中⼭⼤学的研究者提出了⼀种新的解决⽅案：搜索自博弈 Search Self-play（SSP）⸺⼀种⾯向深度搜索 Agent 的⾃我博弈训练范式。其核⼼思路是：让⼀个模型同时扮演两个⻆⾊⸺「出题者」和「解题者」，它们在对抗训练中共同进化，使训练难度随着模型能⼒动态提升，最终形成⼀个⽆需⼈⼯标注的动态博弈⾃我进化过程。

关键词: AI新闻,Meta,模型训练,Language Self-Play

Meta超级智能实验室（MSL）又被送上争议的风口浪尖了。

关键词: AI,模型训练,Absolute Zero,人工智能

不用引入外部数据，通过自我博弈（Self-play）就能让预训练大模型学会推理？

关键词: openai,AI,Anthropic,AI教育,Self-Play

o1 模型何以成为企业游戏规则的改变者？

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: OpenAI o1,self-play RL,AI,人工智能

Self-play RL 开启 AGI 下半场

关键词: Self-Play,强化学习,AI,模型训练

本文作者来自于清华大学电子工程系，北京大学人工智能研究院、第四范式、腾讯和清华-伯克利深圳学院。其中第一作者张瑞泽为清华大学硕士，主要研究方向为博弈算法。通讯作者为清华大学电子工程系汪玉教授、于超博后和第四范式研究员黄世宇博士。

关键词: 多模态,LLM,self-play,openai

头部模型的新一代模型的是市场观测、理解 LLM 走向的风向标。即将发布的 OpenAI GPT-Next 和 Anthropic Claude 3.5 Opus 无疑是 AGI 下半场最关键的事件。

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。