#样本效率
共 36 篇相关文章
·6 分钟
单一RL策略如何自发涌现足球对抗行为
一个仅用PPO算法在空旷环境中独自训练的强化学习足球策略，在多智能体对抗中自发涌现出争抢球权、射门和防守等复杂行为。本文解析涌现行为背后的原理及其对AI开发的启示。
阅读全文 →
·12 分钟
RAM：扩散模型强化学习后训练提速50倍的第一性原理
RAM（Reinforce Adjoint Matching）通过丢弃路径成本、结合ODE采样与去相关训练目标，将扩散模型强化学习后训练效率提升50倍。本文深入解析RAM核心原理、训练流程及与Flow-GRPO的对比实验。
阅读全文 →
·10 分钟
decisionrl：专为运营决策打造的强化学习开源库
decisionrl 是一个专注运营决策的强化学习库，内置库存管理、动态定价、供应链等六大场景环境，并配套运筹学基线用于对比验证。支持DQN、PPO、SAC等主流算法，基于PyTorch构建，MIT协议开源，帮助工程师快速将RL落地于实际业务决策。
阅读全文 →
NVIDIA BioNeMo如何突破共折叠端到端性能瓶颈
·6 分钟
NVIDIA BioNeMo如何突破共折叠端到端性能瓶颈
深度解析NVIDIA BioNeMo Agent Toolkit如何通过智能体编排，解决OpenFold3共折叠工作负载中的MSA预处理、流水线调度等端到端性能瓶颈，加速药物发现与蛋白质结构预测的规模化部署。
阅读全文 →
·14 分钟
Vizuara机器人学习课程笔记获取指南与免费资源推荐
想免费获取Vizuara《Modern Robot Learning from Scratch》课程笔记？本文梳理官方渠道、GitHub开源资源及合规获取途径，并推荐UC Berkeley CS285等机器人学习免费课程，助你系统构建机器人学习知识体系。
阅读全文 →
·12 分钟
欧拉运动引导：解决图像动画长序列漂移的新方案
本文解析欧拉运动引导（Eulerian Motion Guidance）方法如何通过相邻帧监督与双向几何一致性，从根源上消除可控图像动画的长序列漂移与身份崩溃问题，FVD达76.18，训练速度提升2.7倍。
阅读全文 →
·8 分钟
WorldBench开源：机器人世界模型标准化评估工具箱
WorldBench是一款开源Python工具包，专为机器人世界模型评估而设计，涵盖预测保真度、长程一致性、物理合理性等多维度指标，助力具身智能研究者实现跨团队、跨论文的标准化对比评测。
阅读全文 →
·16 分钟
FAANG的AI研究岗50份简历0回复？揭开求职困境的真相
一位拥有3年经验的AI研究工程师向FAANG投递50份简历，却颗粒无收。本文深度拆解顶级大厂AI岗位的隐性门槛、LinkedIn幽灵职位真相，以及MLE与Research Engineer的定位差异，帮你找到真正有效的求职策略。
阅读全文 →
·6 分钟
行为克隆训练失败？数据质量与调优的系统排查指南
行为克隆模型训练后几乎不做任何动作？本文从数据对齐、类别不平衡、学习率设置到epoch数量，系统拆解行为克隆失败的核心原因，提供可落地的逐步排查路线，并介绍DAgger等进阶替代方案。
阅读全文 →
·12 分钟
大脑如何边看边想：视觉皮层预测编码回路全解析
为什么人类能在模糊遮挡下依然「看懂」世界？本文深度解析视觉皮层中前馈与反馈双向回路的工作机制，揭示预测编码如何让「感知」与「思考」无缝融合，并探讨其对人工智能架构设计的深远启示。
阅读全文 →
·10 分钟
让任意LLM理解视频：Claude-real-video技术原理与应用解析
深入解析开源项目Claude-real-video的核心技术：通过关键帧抽取、图像描述转文本与语音识别，将视频转化为LLM可处理的结构化输入，实现模型无关的视频理解方案，适用于视频摘要、内容检索等多种场景。
阅读全文 →
·14 分钟
Agent自动化科研时代：研究生最该思考往哪跑
AI Agent正在重塑科研工作流，从实验设计到论文写作全面接管执行环节。研究生如何从执行者转型为决策者？本文通过真实案例解析Agent科研模式下的时间重分配，以及为什么"提出好问题"才是未来核心竞争力。
阅读全文 →
·10 分钟
On-Policy蒸馏详解：原理、优势与应用场景全面解析
深入解析On-Policy蒸馏（在策略蒸馏）的核心原理、与传统Off-Policy蒸馏的关键区别，以及在模型压缩、推理能力迁移、RLHF对齐训练等场景中的广泛应用，帮助你全面理解这一快速崛起的AI模型训练新范式。
阅读全文 →
·4 分钟
Sakana AI成立RSI Lab：让AI自己构建AI的递归自我改进之路
Sakana AI正式成立RSI Lab，专注递归自我改进技术，让AI自主改进自身架构。从AI Scientist到Darwin Gödel Machine，解读其四阶段路线图与核心研究成果，探索以创意而非算力驱动AI进化的全新范式。
阅读全文 →
·5 分钟
Sakana AI成立递归自我改进实验室，用创意取代算力开辟AI新范式
Sakana AI正式成立递归自我改进（RSI）实验室，专注用AI重新设计AI开发流程。从LLM²到AI Scientist，这家东京AI公司以样本效率优先的策略，提出不依赖暴力堆算力的AI自我进化路线，目标是让前沿AI不再是超大规模玩家的专属特权。
阅读全文 →
·9 分钟
PAO项目实战：贝叶斯优化驱动Aspen Plus自动仿真教程
详解PAO项目如何通过YAML配置文件将贝叶斯优化与Aspen Plus深度集成，实现化工流程多目标自动优化。涵盖设计变量配置、节点缓存机制、代理模型原理及多目标Pareto前沿搜索实战演示。
阅读全文 →