扩散模型版CS: GO！世界模型+强化学习：2小时训练登顶Atari 100K
DIAMOND是日内瓦大学和爱丁堡大学提出的一种新型强化学习智能体，能在由扩散模型构建的虚拟世界中高效学习各种任务。在Atari 100k基准测试中，其平均得分超越了人类玩家，尤其擅长处理复杂环境中的细节和决策。
可以实现零代码开发的OPPO智能体平台，到底强在哪？
第三届中国高校计算机大赛——智能交互创新赛在杭州举行，OPPO提供技术支持和平台支持。哈尔滨工业大学的《雅韵智诵》获特等奖，四川大学的《走心》项目通过大模型代理集成到互动小说游戏中实现心理健康筛查。OPPO发布智能体开发平台，为开发者提供更多工具和支持，助力智能体技术的发展。
Karpathy后悔了：2015年就看到了语言模型的潜力，却搞了多年强化学习
Andrej Karpathy 回忆自己曾看好 RNN 和强化学习，但最终未能把握住大模型时代的到来。他指出，2015年已经认识到自回归语言模型的强大潜力，却错过了发展大规模预训练模型的机会。
NeurIPS 2024 自我纠错如何使OpenAI o1推理能力大大加强？北大、MIT团队给出理论解释
AIxiv专栏介绍及其相关研究，讨论了大语言模型中的自我纠错能力，并提出了理论分析方法。该研究指出，自我纠错是一种上下文对齐过程，通过优化LLM的最终输出以获得更高的奖励。