关闭广告

OpenAI前总监最新观点:强化学习在AI领域很强,但不是终极答案

爆角追踪1244人阅读

Karpathy 认为强化学习(RL)在 AI 领域目前很火,而且确实能带来显著的性能提升。RL 的核心逻辑是:通过奖励信号(比如“这次做得好”或“这次很差”),调整模型未来行为的概率。


这种方法比传统的监督微调(SFT)更高效,因为它通过“试错”能挖掘出更优的策略,而不需要人工事无巨细地标注数据。

这就是所谓的“verifier functions”(验证函数)带来的杠杆效应——你只需要告诉模型结果好坏,它自己就能摸索出更好的路径。但 Karpathy 也提出了两个关键的担忧,说明 RL 可能不是 AI 智能进化的全部答案:

1. 长任务的局限性(渐进问题):

当任务变得很长(比如需要几分钟甚至几小时的交互),RL 的机制看起来有点低效。你花了大量时间完成一个复杂任

上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

为财政刺激计划融资,日本拟增发逾11.5万亿日元新债

华尔街见闻官方 浏览 5303

“廓形穿衣法”太火了!掌握这5个法则让你美一整个冬天

LinkFashion 浏览 949

私生粉称王鹤棣与神秘女友吵架

观威海 浏览 1089

沙特被指已下单50架超30亿美金的ch7无人机 官方回应

澎湃新闻 浏览 1014

记者:贺希宁效力深圳8赛季仅缺席19场,铁人属性源自极致自律

懂球帝 浏览 718

章子怡带醒醒追星宋雨琦,母女俩飞日本看演唱会,后台合影超开心

扒虾侃娱 浏览 1064

连发三个公告,意味深长

博闻财经 浏览 1369

Shams:因球场打架,阿尔瓦拉多被禁赛2场&马威被禁赛1场

懂球帝 浏览 912

配华为舱内激光视觉技术 华境S明年上半年上市

网易汽车 浏览 856

星尘智能绳驱机器人T1发布:能做饭、晾衣服,8.99万元起

IT之家 浏览 658

AI能力“非线性提升”,这被市场普遍低估!大摩:90%职业将受影响,就业结构将“根本转变”

华尔街见闻官方 浏览 1152

一辆小米SU7 Ultra飞坡10多米翻滚多圈!车主发文:感谢雷军,下辆还买!

扬子晚报 浏览 990

汽车图谱⑳|新能源车迎最强“金九” 新势力头部月销达4万量级

贝壳财经 浏览 1004

女子产后55天被丈夫殴打:只是要求他搬走空气净化器

封面新闻 浏览 627

日本U20前锋:踢伊朗确实有些压力,希望能将压力转化为动力

懂球帝 浏览 1371

我国又添“超级充电宝”:世界坝体最高抽水蓄能电站全面投产发电

IT之家 浏览 988

车长5米3 华为乾崑奕境首款旗舰大六座SUV定名X9

网易汽车 浏览 711

一架无人机保护区拍鸟群致鸟摔死 无人机被人悄悄捡走

中国新闻周刊 浏览 936

从 “扛周期” 到 “稳经营”:生猪期货如何破解产业困局

澎湃新闻 浏览 2588

特朗普"连怼"泽连斯基引起极大震动 重要原因披露

上观新闻 浏览 1448

中国女导演在柬坠亡 监控显示其随一法国籍男子进门

新民周刊 浏览 911
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4