AI资讯新闻榜单内容搜索-RL

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: Scaling Law,openai,AI,o1

蹭下热度谈谈 OpenAI o1 的价值意义及 RL 的 Scaling law。

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: AI,导航大模型,InstructNav,通用指令导航大模型,动态导航链路

如今这种科幻电影中的场景正在变为现实，来自北京大学的助理教授、博士生导师董豪团队近日提出首个通用指令导航大模型系统InstructNav。

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: 深度学习,Sutton,反向传播,模型训练,AI,AI学术

人工神经网络、深度学习方法和反向传播算法构成了现代机器学习和人工智能的基础。但现有方法往往是一个阶段更新网络权重，另一个阶段在使用或评估网络时权重保持不变。这与许多需要持续学习的应用程序形成鲜明对比。

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: 机器学习,MPC,强化学习,模型预测控制,模型训练

「相比于强化学习（RL），我确实更喜欢模型预测控制（MPC）。至少从 2016 年起，我就一直在强调这一点。强化学习在学习任何新任务时都需要进行极其大量的尝试。相比之下，模型预测控制是零样本的：如果你有一个良好的世界模型和一个良好的任务目标，模型预测控制就可以在不需要任何特定任务学习的情况下解决新任务。这就是规划的魔力。这并不意味着强化学习是无用的，但它的使用应该是最后的手段。」

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