MuZero
PulseAugur coverage of MuZero — every cluster mentioning MuZero across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新AI架构在消费级硬件上提升围棋表现
研究人员开发了一种新的围棋AI信念引导架构，旨在提高在消费级硬件上的性能。该架构将策略头与一个独立的信念头分开，后者模拟认知不确定性和战略稳定性。通过引入记忆机制和门控机制来过滤过度自信的策略错误，该模型将智能从运行时搜索转移到参数化直觉，显著提高了无搜索胜率并减少了幻觉。
-
英伟达的开源推动获得关注，但Anthropic仍是例外
英伟达CEO黄仁勋发起了一项开源倡议，获得了包括OpenAI和Microsoft在内的70多家公司和组织的支持。然而，Anthropic却显著未签署该倡议，一位Anthropic员工公开质疑此次开源推动的诚意，并暗示英伟达自身的闭源实践，如CUDA和GPU驱动程序，也应开源。此次交流引发了关于开源倡导背后真实意图及其对AI生态系统的潜在影响的辩论，尤其是在硬件依赖方面。
-
研究表明：噪声数据对LLM的RLVR具有破坏性 · 追踪9个来源
新研究表明，训练数据中的噪声对大型语言模型的强化学习可验证奖励（RLVR）有害，这与之前认为模型可以从不正确的标注中有效学习的发现相反。研究表明，现有的RLVR算法难以减轻噪声的影响，其表现与基本的GRPO相似。此外，与使用干净数据相比，在真正有噪声的数据上训练会导致数学推理和Text2SQL任务的性能显著下降，这凸显了高质量数据集的持续重要性。
-
新的COMET算法通过面向对象的方法增强AI规划
研究人员推出了一种新颖的基于模型的强化学习规划算法COMET。COMET在基于槽的潜在空间中利用蒙特卡洛树搜索，将一个固定的无监督对象中心编码器与一个基于Transformer的世界模型配对。它包含一个独特的动作槽融合机制和对象因果注意力，以将决策集中在相关实体上。在跨不同任务的早期训练阶段，COMET在与现有的对象中心和整体基线相比，表现出了卓越的性能。