Richard Sutton
PulseAugur coverage of Richard Sutton — every cluster mentioning Richard Sutton across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI先驱Richard Sutton警告不要过度依赖模拟数据
强化学习先驱Richard Sutton认为，人工智能行业正犯一个错误，即依赖模拟数据来弥补缺失的真实世界信息。他认为，人工智能系统应该从自身的直接经验中学习，而不是从人类生成或想象的数据中学习。Sutton强调了经验学习对人工智能发展的重要性。
-
图灵奖得主Richard Sutton称合成数据是“大错特错”
图灵奖得主Richard Sutton表示，在大型语言模型的开发中，合成数据是一个重大的错误。他认为，真实世界的无限复杂性使得任何模拟环境都显得“微不足道”，而人类的专业知识是真正扩展的限制因素。Sutton提出，智能体应该从自身的经验中持续学习，而不是依赖于预先存在、静态的模型。
-
Mind Lab发布Macaron-V1，采用Mixture-of-LoRA进行持续学习 · 跟踪到1个来源
中国初创公司Mind Lab发布了其Macaron-V1模型，该模型在训练后采用了Mixture-of-LoRA (MoL) 方法。此方法允许根据任务类型动态切换专门的LoRA模块，并使用用户数据进行持续更新，旨在提高模型的适应性和性能。Macaron-V1基于GLM-5.2和Qwen3.6构建，提供旗舰版和轻量版，均支持200万token的上下文窗口，并在基准测试中取得了强劲的成绩，在某些领域甚至超越了更大的基础模型。
-
前微软AI高管旨在用AICEO运营公司
Skyfall AI由前微软AI高管创立，计划以高达100万美元的价格收购一家小型B2B SaaS或电子商务公司。他们的目标是证明AI可以作为CEO，管理公司从定价、营销到客户支持和运营的各个方面。这个雄心勃勃的项目旨在六个月内使被收购公司的收入翻倍，并公开记录整个过程，挑战当前行业对诸如个体代理自动化等狭窄AI应用的关注。
-
WAIC 2024：专家强调人才、具身智能和安全
世界人工智能大会（WAIC）围绕人工智能的未来展开了讨论，专家们强调人才培养是人工智能时代的核心竞争优势。关键主题包括人工智能从数字应用向通过智能体和下一代终端实现的物理融合的演变，以及向体验驱动的人工智能开发的转变。专家们还强调了人工智能在科学发现方面的潜力，以及随着人工智能能力的进步，对健全安全措施和治理的迫切需求。
-
图灵奖得主 Richard Sutton 推出 Oak Lab 致力于自学习 AI
图灵奖得主、强化学习领域的关键人物 Richard Sutton 成立了一家名为 Oak Lab 的新公司。Oak Lab 总部位于多伦多，旨在开发能够从周围环境中持续、自主学习的 AI 智能体。Sutton 对当前的深度学习方法表示批评，认为它们效率低下，并主张转向能耗极低、实时学习的系统。
-
HeShan Tech与图灵奖得主推出“机器人幼儿园”以实现具身智能
HeShan科技与图灵奖得主Richard Sutton合作启动了“机器人幼儿园”计划。该项目旨在推动具身智能从数据驱动的模仿时代过渡到体验驱动的学习范式。“机器人幼儿园”将提供一个安全的环境，让机器人通过互动和试错进行学习，并将触觉感知作为持续学习和进化的核心突破点。该计划还寻求与各行业合作伙伴建立开放的生态系统，以促进具身智能领域的协同发展。
-
硅谷的“继承主义”意识形态：人工智能取代人类是不可避免的
硅谷内部一种日益增长的意识形态，被称为“继承主义”，认为人类最终被人工智能取代不仅是不可避免的，甚至可能是一种道德上的必然。理查德·萨顿（Richard Sutton）和丹尼尔·法盖拉（Daniel Faggella）等人物阐述了这一观点，认为人工智能更优越的能力和创造价值的潜力证明了人类“退休”或被继承是合理的。支持者认为，抵制这一转变无异于物种歧视，而将未来人工智能视为后代是自然而然的进程，正如经济学家罗宾·汉森（Robin Ha…
-
AI初创公司重新设计产品以整合AI，呼应“惨痛教训”
原生AI初创公司比传统公司规模更小、工程师密度更高，AI在直接整合到产品中以自动化任务时被证明最有价值。这种方法缩短了反馈循环，并允许更大的雄心和速度，正如Sam Altman所指出的那样。通用AI模型正日益超越专业工具，这与Richard Sutton的“惨痛教训”一致，即计算驱动的通用方法最终在AI研究中最有效。
-
Beta Infinite 融资数亿元，用于具身 AI 机器人
由前华为高管刘武隆创立的初创公司 Beta Infinite 已获得数亿元人民币的种子轮和Pre-A轮融资。该公司专注于具身智能，旨在将感知、决策、操作、记忆和个性化整合到机器人统一系统中。刘武隆强调系统工程方法，结合自动驾驶、大模型工程和消费产品开发领域的专业知识，创造出能在家庭环境中有效且智能运行的机器人。
-
人工智能先驱Richard Sutton警告生成式AI缺乏真正的学习能力
人工智能先驱Richard Sutton警告称，当前的生成式AI系统缺乏自我评估性能或从错误中学习的能力。他认为，没有这些关键能力，这些系统将仅仅是人类知识的复杂模仿者，而非真正智能的实体。Sutton强调，持续学习和纠错对于AI超越单纯模仿至关重要。
-
图灵奖得主：生成式AI缺乏科学发现能力
图灵奖得主Richard Sutton认为，当前的生成式AI模型在根本上无法进行真正的科学研究。他指出了一个关键限制：它们无法评估自己的输出，这阻碍了真正的科学发现。Sutton建议，AI系统需要内置评估机制，类似于AlphaGo和AlphaProof中的机制，才能实现真正的创造力和科学进步。
-
强化学习先驱与中国公司合作推出“机器人幼儿园”
强化学习先驱Richard Sutton与中国触觉技术公司合肥市合山科技有限公司合作，启动了“机器人幼儿园”项目。该项目旨在通过真实的试错来训练具身人工智能代理，强调第一人称体验而非模仿学习的重要性。该项目将利用合山科技先进的触觉传感器，提供详细的触觉反馈，使机器人能够从物理交互中学习并发展对世界的更深层理解。
-
大型语言模型在解读历史手写体方面表现出色，优于专用工具
大型语言模型在解读历史手写体方面被证明是有效的，这项任务长期以来一直挑战着人工智能研究人员。威尔弗里德·劳里埃大学的一项研究发现，在转录18世纪和19世纪的文件时，大型语言模型在准确性、速度和成本方面优于Transkribus等专业软件。这一进步使得以前无法访问的档案收藏品变得可搜索，为学术研究和个人发现开辟了新的途径。
-
红杉资本支持Flapping Airplanes的数据高效AI研究实验室
风险投资公司红杉资本已投资Flapping Airplanes，这是一家旨在开发数据高效AI模型的初创公司。该公司由Spector兄弟Ben和Asher以及Aidan Smith创立，专注于吸引顶尖人才并寻求研究驱动的突破，而不是仅仅扩展现有模型。Flapping Airplanes认为，数据效率，而不仅仅是计算能力，是实现通用人工智能（AGI）的关键瓶颈。