AI资讯新闻榜单内容搜索-RL

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

关键词: AI,ChatGPT,LLM,RLHF,模型训练

RLHF到底是不是强化学习？最近，AI大佬圈因为这个讨论炸锅了。和LeCun同为质疑派的Karpathy表示：比起那种让AlphaGo在围棋中击败人类的强化学习，RLHF还差得远呢。

关键词: AI,AI人物,RLHF,大模型,AI学术

RLHF 与 RL 到底能不能归属为一类，看来大家还是有不一样的看法。

关键词: AI,RLHF,RLAIF,PPO,DPO,模型训练

为了对齐 LLM，各路研究者妙招连连。

关键词: AI,AI大模型,模型训练,对齐,RLHF

大模型展现出了卓越的指令跟从和任务泛化的能力，这种独特的能力源自 LLMs 在训练中使用了指令跟随数据以及人类反馈强化学习（RLHF）。

关键词: AI,AI牙科,GumGum,Pearl,AI健康,AI医疗,AI公司

利用Pearl AI来探索牙科的未来

关键词: AI,Llama 7B,Meta,LLM,RLHF,DPO,模型训练

Meta、UC伯克利、NYU共同提出元奖励语言模型，给「超级对齐」指条明路：让AI自己当裁判，自我改进对齐，效果秒杀自我奖励模型。