灵初智能发布首个基于强化学习（RL）的端到端具身模型Psi R0。据了解，该模型支持双灵巧手协同进行复杂操作，将多个技能串联混训，生成具有推理能力的智能体，从而完成并闭环长程灵巧操作任务，还可以实现跨物品、跨场景级别的泛化。基于RL的Psi R0 模型，使用海

rl psi psir0 2024-12-30 13:24  4

随着大数据、云计算、物联网等技术的飞速发展，人工智能（AI）正以前所未有的速度渗透到我们生活的方方面面。从智能手机中的语音助手到自动驾驶汽车，再到医疗健康领域的智能诊断系统，AI的应用已经无处不在。那么，究竟是什么让AI如此强大？它又将如何塑造我们的未来呢？

人工智能 rl 卡斯帕罗夫 2024-12-18 15:59  3

明敏 发自 凹非寺量子位 | 公众号 QbitAI传闻反转了，Claude 3.5 Opus没有训练失败。只是Anthropic训练好了，暗中压住不公开。semianalysis分析师爆料，Claude 3.5超大杯被藏起来，只用于内部数据合成以及强化学习奖励

训练 claude rl 2024-12-13 11:08  4

DA21F/DA22F/DA42F/Y/W-16P/25P/40P/63P/64P/100P/160P/R/RL不锈钢超低温安全阀、Class美标超低温安全阀作为一种关键的工业安全设备，其重要性在化工、石油、天然气等众多领域得到了广泛的认可和应用。这种阀门以其

阀门 rl 安全阀 2024-12-11 19:56  5

Lilian Weng离职OpenAI后首篇博客发布！文章深入讨论了大模型强化学习中的奖励欺骗问题。随着语言模型在许多任务上的泛化能力不断提升，以及RLHF逐渐成为对齐训练的默认方法，奖励欺骗在语言模型的RL训练中已经成为一个关键的实践性难题。

博客 rl lilian 2024-12-06 09:23  4

在人工智能的浪潮中，具身智能和机器人技术正以前所未有的速度发展。随着真机模仿学习成为当下的热点，我们面临着一个关键问题：如何将机器人的可靠性提升至99.9x%%，以满足日益增长的工业和商业需求？

机器人 rl gairlive 2024-12-02 18:37  4