搜索
「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。」
哈佛大学的一项最新研究表明，大语言模型已经深入学生的日常生活。为何学生们对AI的兴趣如此浓厚，背后的原因恐怕是这所大学的教授们。
越来越多研究发现，后训练对模型性能同样重要。Allen AI的机器学习研究员Nathan Lambert最近发表了一篇技术博文，总结了科技巨头们所使用的模型后训练配方。
“长期以来，药物研发周期长、成本高、成功率低等问题困扰着整个行业。如今，通过数据、计算与机器学习技术的不断迭代，药物研发团队能够设计出选择性更高、活性更优的分子，从而减少筛选候选药物所需的时间和成本，并增加药物研发项目进入临床开发的成功率。这一突破性进展不仅为药物研发带来了全新的思路和方法，也为解决全球性的医药难题提供了坚实的支撑。
就在刚刚，CMU教授Zico Kolter正式宣布加入OpenAI董事会，并成为安全与安保委员会成员。OpenAI这是终于要在安全上下功夫了？
人到中年，想半路出家转行成机器学习工程师，可行吗？最近，这位成功转行的国外小哥用一篇干货满满的硬核博客告诉我们：完全可以！
用AI模型从代码层面深度分析和防御恶意软件。
在信息爆炸的当今时代，我们如何从浩如烟海的数据中探寻深层次的联系呢？
姚班大神陈立杰最新去向现已明朗：2025年秋季起，任加州大学伯克利分校EECS助理教授。
自 ChatGPT 发布以来，大型语言模型（LLM）已经成为推动人工智能发展的关键技术。