跳到正文

技术方向

推理能力 最新动态

模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。

181 条精选近 30 天 35 条共收录 455 条

更新

精选归档 · 第 10 页

7月4日周三第 181–181 条
  1. OpenAI News62

    OpenAI 用单次演示让智能体在《蒙特祖玛的复仇》中取得 74500 分

    OpenAI 训练出一个智能体，仅凭单次人类演示就在《蒙特祖玛的复仇》中取得 74500 分的高分，超过此前所有已公布结果。其算法从演示中挑选特定状态作为起点，让智能体依次游玩并优化游戏得分，所用强化学习算法 PPO 也是 OpenAI Five 的基础。

    推荐理由：OpenAI 用单次人类演示加 PPO 在《蒙特祖玛的复仇》上取得 74500 分，可了解演示驱动强化学习的早期思路。