田渊栋和Sergey Levine参与开发新型RL算法，能通过多轮训练让智能体学会协作推理
田渊栋和Sergey Levine参与开发新型RL算法，能通过多轮训练让智能体学会协作推理强化学习提升了 LLM 各方面的能力，而强化学习本身也在进化。
来自主题: AI技术研报
7107 点击 2025-03-28 10:09
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
强化学习提升了 LLM 各方面的能力，而强化学习本身也在进化。
最近 Steam AI 驱动的游戏数量也在逐渐增多，涵盖了派对游戏、恋爱模拟等各个品类，很多游戏的玩法创新都能让人眼前一亮。
AI热潮将彻底颠覆编程行业。OpenAI首席产品官Kevin Weil抛出惊人预测，2025年，AI在编程领域将永远超越人类。这不仅仅是一个大胆的预测，更是一个时代拐点的宣告。
NYT专栏作家Kevin Roose近期发文称，强人工智能要来，而人类尚未做好准备。当AI在数学奥赛中夺金，完成95%代码，深入到我们日常工作的每个角落时，人类真的做好迎接这个前所未有的技术革命了吗？
专栏作家Kevin Roose发文称，门外汉用AI就能开发出App，并表示程序员前途不妙。马库斯公开表示Kevin Roose只是重复了别人的创意，所做所为是贩卖焦虑，误人子弟，一旦小孩信以为真，不学编程，美国科技业将万劫不复！
嚯，万众期待的GPT-4.5，本周就要空降发布？！部分用户的ChatGPT安卓版本（1.2025.056 测试版）上，已经出现了“GPT-4.5研究预览（GPT-4.5 research preview）”的字样。
推理黑马出世，仅以5%参数量撼动AI圈。360、北大团队研发的中等量级推理模型Tiny-R1-32B-Preview正式亮相，32B参数，能够匹敌DeepSeek-R1-671B巨兽。
阿里通义Qwen团队熬夜通宵，推理模型Max旗舰版来了！QwQ-Max-Preview预览版，已在LiveCodeBench编程测试中排名第5，小超o1中档推理和DeepSeek-R1-Preview预览版。
去年 8 月，Codeium 完成了由 General Catalyst、Kleiner Perkins 等参与的 1.5 亿美元融资，估值来到 12.5 亿美元，是这些老牌基金在 AI Coding 领域下的重注。之后在 11 月 Codeium 正式发布了 Agentic IDE Windsurf，与 Cursor/Devin 进行差异化竞争。
只用4500美元成本，就能成功复现DeepSeek？就在刚刚，UC伯克利团队只用简单的RL微调，就训出了DeepScaleR-1.5B-Preview，15亿参数模型直接吊打o1-preview，震撼业内。