实时演示AI进化：基于PPO算法的神经网络如何玩转贪吃蛇
这是一个极具教育意义的开源可视化项目，展示了神经网络如何利用强化学习中的 PPO（近端策略优化）算法从零开始掌握经典游戏“贪吃蛇”。用户可以在网页上直观地观测到 AI 智能体从最初的随机乱撞，逐步进化为高手的完整训练过程。界面实时展示了包括...
标签索引
强化学习
这个标签下有 22 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
腾讯前大模型核心骨干于文豪加入OpenAI，专攻模型自我进化与强化学习
原腾讯AI西雅图实验室高级研究员于文豪已正式加入OpenAI，担任AGI研究员。他在大模型强化学习后训练、推理及Agent领域拥有深厚积累，曾主导提出R-Zero训练范式，探索模型在无人类标注数据下通过博弈对战实现自我进化。其主导的智能体项...
【资源】强化学习全景指南：从数学原理、核心算法到大模型RLHF实战
这是一份体系极其完善的强化学习（RL）全套视频课程资源，旨在填补从理论到实践的巨大鸿沟。课程内容循序渐进，首先夯实线性代数、微积分及概率统计等数学基础，并详细讲解CUDA、PyTorch及Jupyter环境的搭建。核心技术部分深入剖析了马尔...
IBM发布Granite 4.1：8B模型硬刚32B，以极致数据工程取胜
IBM推出Granite 4.1系列开源模型（3B/8B/30B），均采用Apache 2.0协议。其8B dense模型在多项基准测试中匹敌或超越了上一代32B MoE模型，打破了“大力出奇迹”的惯例。这一飞跃源于IBM对15万亿Toke...
揭秘AI“爹味”：为何头部大模型说话越来越像同一个教导主任？
近期用户反馈，主流大模型的回答风格日益趋同，普遍呈现出一种说教且过度正确的“AI爹味”。这一现象引发了深层技术讨论：究竟是模型间互相蒸馏导致的“模型坍塌”，还是中文语料库被特定价值观污染？亦或是为了通过安全合规审查，大规模强化学习（RLHF...
从零构建2D四旋翼仿真：迈向AI控制与强化学习的关键一步
本文详细介绍了从物理原理出发构建2D四旋翼无人机仿真环境的全过程。作者基于牛顿-欧拉方程推导了动力学模型，并将其转化为状态空间形式，随后利用Python实现了物理引擎的核心逻辑。文章强调，建立准确的数学模型不仅是理解系统动力学的手段，更是设...
揭秘AI的数学本源：贝尔曼方程如何统一强化学习与扩散模型
这篇文章深入探讨了人工智能背后的数学物理基础。文章指出，现代机器学习中的强化学习与扩散模型，其实都源于1950年代贝尔曼提出的动态规划理论。令人惊讶的是，这一数学框架与19世纪物理学家提出的哈密顿-雅可比方程存在深刻的内在联系。文章通过引入...
深度解析Cursor Composer 2：揭秘代码Agent训练路径与实战复刻指南
本文深入剖析了 Cursor 官方发布的 Composer-2 论文，揭示其代码生成能力大幅跃升的核心在于“持续预训练”与“真实环境强化学习”。文章详细拆解了 Composer 2 如何通过大量代码数据喂养和长任务自我总结机制，解决上下文遗...
蚂蚁死亡旋涡：自然界给AI算法循环与盲目优化的残酷隐喻
本文介绍了生物学中著名的“蚂蚁死亡旋涡”现象：当工蚁失去信息素轨迹指引，转而盲目跟随前方的同伴时，整个蚁群会陷入一个直至力竭而亡的无限闭环。这一现象常被科技界引为算法系统的深刻隐喻，特别是在AI和强化学习领域。它警示开发者，智能体若缺乏高层...
深度解读：强化学习环境的现状、挑战与未来演进
本文来自Epoch AI，全面梳理了强化学习领域的核心基础设施——训练环境。文章以问答形式深入剖析了当前主流RL环境的局限性、评估标准的缺失，以及从游戏模拟迈向通用智能的挑战。随着AI技术从虚拟走向现实，构建高保真、可扩展的仿真环境已成为提...