注册
登录
专栏名称:
PaperWeekly
PaperWeekly是一个推荐、解读、讨论和报道人工智能前沿论文成果的学术平台,致力于让国内外优秀科研工作得到更为广泛的传播和认可。社区:http://paperweek.ly | 微博:@PaperWeekly
我也要提交微信公众号
今天看啥
微信公众号rss订阅, 微信rss, 稳定的RSS源
微信公众号RSS订阅方法
B站投稿RSS订阅方法
雪球动态RSS订阅方法
微博RSS订阅方法
微博搜索关键词订阅方法
豆瓣日记 RSS订阅方法
目录
相关文章推荐
实验万事屋
·
不会有博士生,现在还要熬夜看文献吧!看完这暨 ...
·
昨天
募格学术
·
博士师姐被本科生追到手,婚后成了高校教师和辅导员
·
3 天前
今天看啥
›
专栏
›
PaperWeekly
北大对齐团队独家解读:OpenAI o1开启「后训练」时代强化学习新范式
PaperWeekly
·
公众号
·
科研
· 2024-09-18 12:46
文章预览
©作者 | 陈博远、邱天异、吉嘉铭 单位 | 北京大学对齐与交互实验室 来源 | 机器之心 OpenAI o1 在数学、代码、长程规划等问题取得显著的进步。一部分业内人士分析其原因是由于构建足够庞大的逻辑数据集 ,再加上类似 AlphaGo 中 MCTS 和 RL 的方法直接搜索,只要提供足够的计算量用于搜索,总可以搜到最后的正确路径。然而,这样只是建立起问题和答案之间的更好的联系,如何泛化到更复杂的问题场景,技术远不止这么简单。 AlphaGo 是强化学习在围棋领域中的一大成功,成功击败了当时的世界冠军。早在去年,Deepmind 的 CEO Demis Hassabis 便强调用 Tree Search 来增强模型的推理能力。根据相关人士推测,o1 的模型训练数据截止到去年十月份,而有关 Q * 的爆料大约是去年 11 月,这似乎展示 o1 的训练中也用到了 TreeSearch 的技巧。 实际上,OpenAI o1 运用 ………………………………
原文地址:
访问原文地址
快照地址:
访问文章快照
总结与预览地址:
访问总结与预览
分享到微博
推荐文章
实验万事屋
·
不会有博士生,现在还要熬夜看文献吧!看完这暨南大学14.3分的巨噬细胞M1极化SCI文章,他编的标书一定很厉害吧……
昨天
募格学术
·
博士师姐被本科生追到手,婚后成了高校教师和辅导员
3 天前
华大基因医学
·
做亲子鉴定需要做什么准备、提供哪些材料?
7 月前
嘉实基金
·
【云游红包】丝绸之路艺术大展
6 月前
人文社科论文速览
·
【SSCI】教育学期刊《Teaching in Higher Education》最新论文推送
3 月前
微同城本地便民
·
60岁大爷应聘学徒,被同事嘲笑年纪大,谁料竟是隐藏大佬...
1 月前
中国青年报
·
国家发改委:全面取消在就业地参保户籍限制
3 周前