用动作分块突破RL极限，伯克利引入模仿学习，超越离线/在线SOTA
用动作分块突破RL极限，伯克利引入模仿学习，超越离线/在线SOTA如今，强化学习（Reinforcement Learning，RL）在多个领域已取得显著成果。
来自主题: AI技术研报
6877 点击 2025-07-14 15:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
如今，强化学习（Reinforcement Learning，RL）在多个领域已取得显著成果。
Vevo Therapeutics（现为Tahoe）与Arc研究所，两家分别在生物技术商业转化和非营利性基础研究领域领先的机构，于2025年2月联合发布了一项里程碑式的成果：全球最大的单细胞药物扰动数据集Tahoe-100M。
AI也要氛围阅读，Karpathy提出PDF论文已不适合AI时代，呼吁以Git、Markdown等结构化格式重塑科研写作。他认为未来99%的注意力将来自AI，科研成果应为AI优化。
今年AI最离谱也最让人上头的用法，可能不是写代码、写论文，而是算命。
美国AI初创公司 Perplexity 的联合创始人兼首席执行官Aravind Srinivas今日在社交平台发文，首次公开评价中国大模型“月之暗面”Kimi K2。他表示，Kimi K2 在内部测试中表现良好，Perplexity 正在考虑在其基础上进行后训练。
今年最火的视频 AI 视频模型 Veo3 ，最近又迎来更新，能让图片开口说话了。Google CEO Sundar Pichai 发 X 说，自从五月 Google 开发者大会以来，用户已经使用 Veo 3 创建了超过 4000 万的视频。
最近，Mamba 作者之一 Albert Gu 又发新研究，他参与的一篇论文《 Dynamic Chunking for End-to-End Hierarchical Sequence Modeling 》提出了一个分层网络 H-Net，其用模型内部的动态分块过程取代 tokenization，从而自动发现和操作有意义的数据单元。
本文介绍并开发了一种自回归生成多视图图像的方法 MVAR 。其目的是确保在生成当前视图的过程中，模型能够从所有先前的视图中提取有效的引导信息，从而增强多视图的一致性。
马斯克憾失女将！Linda Yaccarino突然宣布辞去𝕏的CEO职务。她的离职，正逢Grok深陷争议漩涡。在职期间，马斯克反复无常，而她无力回天、黯然离场。
据外媒7月11日报道，该平台采用了Paradox.ai开发的AI聊天机器人“Olivia”（奥利维亚），用于收集求职者的个人信息，包括姓名、电话、邮箱、住址等敏感数据。然而，平台的安全防护存在严重缺陷。