实体
Haoxiang Zhang
Haoxiang Zhang
PulseAugur coverage of Haoxiang Zhang — every cluster mentioning Haoxiang Zhang across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新AI技术利用事后经验提升智能体远见
研究人员推出了一种名为自我反思蒸馏（SRD）的新颖方法，通过利用事后经验来提升强化学习的远见。SRD从已完成的轨迹中提炼知识，使智能体能够在行动前预见潜在的陷阱和有用的信息，即使在传统奖励信号稀缺的情况下也是如此。该方法是对现有强化学习技术的补充，在智能体回滚中奖励均一的场景中表现出显著的性能提升。
-
OpenResearcher流程支持离线合成AI研究轨迹
研究人员开发了OpenResearcher，一个开源流程，用于合成用于训练深度研究代理的长时研究轨迹。该流程离线运行，利用三个显式浏览器原语处理1.5千万文档语料库，与专有API相比，可以实现可复现且成本效益高的数据收集。通过使用GPT-OSS-120B作为教师模型，他们生成了超过97,000条轨迹，当在30B-A3B模型上对此数据进行微调时，在BrowseComp-Plus等基准测试中的准确性显著提高。