谷歌科学家详解强化学习，AlphaZero启示与AI未来协作模式
在2024极客公园创新大会上，谷歌DeepMind资深研究科学家Nenad Tomasev分享了强化学习在AlphaZero项目中的突破性应用，并展望了大模型时...
#强化学习
共 13 篇相关文章
MemPO源码解析，GRPO强化学习在长时序Agent中的应用
本文深入解析MemPO(Self-Memory Policy Optimization)模型的GRPO实现细节，对比PPO与GRPO的核心差异，探讨其如何通过记...
国产GPU里程碑！摩尔线程S5000具身RL训练曲线追平国际主流
9月23日，摩尔线程在MUSA开源技术沙龙上公布MTT S5000 GPU在具身智能强化学习训练中的实测结果。该芯片与国际主流GPU的训练曲线高度吻合，逐步相关...
MemPO源码解析，强化学习中的记忆管理与Rollout设计思路
本文深入分析MemPO（Self-Memory Policy Optimization）的源码实现，重点探讨其Rollout阶段的设计逻辑。通过解读时间线、纯R...
杜冬冬博士详解RhymeRL，强化学习系统优化如何从历史中学习
上海交通大学副教授杜冬冬在QCon上海大会分享了其团队开发的RhymeRL系统，该系统通过利用历史生成数据优化强化学习中的Rollout阶段，相比现有方案性能提...
GRPO长程Agent失效，NVIDIAFlashREINFORCE提出新解法
针对 GRPO 在长程 Agent 场景下因组同步和采样成本问题导致效率低下的困境，NVIDIA 提出 FlashREINFORCE 方案。该方案通过每 pro...
MemPO强化学习源码解析，自记忆策略优化的实现与优势
本文深入解析了MemPO（Self-Memory Policy Optimization）强化学习训练源码，详细阐述其相较于传统SFT方法的核心优势。通过对比G...
MicroDuck双足机器鸭，50Hz神经控制闭环如何颠覆消费级机器人
开源双足机器人MicroDuck凭借399美元的亲民价格和50Hz高精度神经控制闭环，在消费级市场引发热潮。本文深入解析其Rockchip RK3566主控架构...
MemPO强化学习记忆系统训练，AgentMemory核心算法解析
本文深入探讨MemPO（Self-Memory Policy Optimization）强化学习记忆系统的核心训练机制，通过分析其在Agent-Environm...
字节跳动Seed大调整，组织重构与豆包股激励双管齐下
近日，字节跳动旗下人工智能大模型团队Seed迎来新一轮组织架构调整。据晚点LatePost报道，Seed基础模型团队新设Pretrain Data、Horizo...
核心事件：TPU架构的演进与合作背景
近日，科技行业传出重磅消息：谷歌计划携手AMD共同开发其第十代张量处理单元（TPU）。这一合作不仅意味着谷歌在其AI硬件生态中寻求新的技术突破，也标志着AMD首...
学术降温派：强化学习才是真正的入口
2024年世界人工智能大会（WAIC）首日，一场关于AI发展方向的深度对话在科技圈引发广泛关注。这场讨论不仅汇聚了学术界的顶尖声音，也折射出产业界对未来的深刻思...
