✷ 归档 · 6,244 篇 dispatch
全部 dispatch
AgentLensHQ 归档的全部内容——提炼自整个 AI 生态。
GamePad：用于定理证明的学习环境
OpenAI 推出 GamePad，这是一套旨在在 Coq 交互式证明助理中应用机器学习方法进行定理证明的系统，可实现策略预测和位置评估的自动化。
OpenAI 研究员计划 2018 秋季
OpenAI 于 2018 年秋季推出了研究员项目，为没有正式 AI 背景的个人提供进入人工智能研究的途径。
OpenAI Gym Retro 发布
OpenAI 已发布 Gym Retro 的完整版本，这是一款强化学习平台，将可用游戏库扩展至 1,000 多款，覆盖多个经典游戏机，以促进对智能体泛化能力的研究。
OpenAI AI 与计算分析
OpenAI 分析显示，自 2012 年以来，用于最大规模 AI 训练的计算量呈指数增长，平均每 3.4 个月翻一番，远超摩尔定律。
通过辩论实现 AI 安全
OpenAI 提出了一种安全技术，通过训练 AI 代理进行辩论，以帮助人类监督执行超出人类认知能力任务的系统。
OpenAI 进化策略梯度 (EPG)
OpenAI 介绍了进化策略梯度 (EPG)，一种通过进化损失函数帮助强化学习代理在任务族内对新任务进行泛化的元学习方法。
OpenAI 快速学习基准
OpenAI 推出了一个基于 Sonic the Hedgehog 视频游戏系列的新强化学习基准，用于衡量迁移学习和少样本学习的性能。
OpenAI Retro 竞赛与 Gym Retro 发布
OpenAI 发起了 Retro 竞赛，以衡量强化学习在未见视频游戏关卡上的泛化能力，并发布了 Gym Retro——一个将 30 款 SEGA Genesis 和 62 款 Atari 2600 游戏集成到 Gym 中的平台。
OpenAI 基于动作依赖因子化基线的策略梯度方差降低
OpenAI 的研究人员开发了一种无偏的动作依赖基线用于策略梯度方法，以降低梯度估计的方差，从而在高维动作空间中实现更快的学习。
OpenAI OT-GAN：使用最优传输改进 GAN
OpenAI 推出最优传输 GAN（OT-GAN），这是一种使用新型小批量能量距离度量来提升训练稳定性和图像生成质量的生成对抗网络变体。
OpenAI 2018年3月黑客马拉松报告
OpenAI 于 2018 年 3 月 3 日举办了首次黑客马拉松，汇聚了 100 名 AI 社区成员，开发涵盖医疗、安全和强化学习的项目。
关于一阶元学习算法
OpenAI 介绍了 Reptile，这是一种一阶元学习算法，通过优化参数初始化，使代理能够在新任务上快速学习，而无需二阶导数。
OpenAI Reptile：可扩展的元学习算法
OpenAI 推出了 Reptile，这是一种可扩展的元学习算法，通过最大化同一任务不同小批量梯度之间的内积，使模型能够从少量示例中实现泛化。
OpenAI 学者计划
OpenAI 推出了 OpenAI 学者计划，为弱势群体的个人提供补助金和导师指导，以学习深度学习并开源项目。
OpenAI 研究：通过元强化学习学习探索
OpenAI 研究人员推出了 E-MAML 和 E-RL²，这两种元强化学习算法旨在提升在复杂环境中的探索性能。
OpenAI 机器人研究的要素
OpenAI 发布了八个模拟机器人环境和一个 Baselines 实现的 Hindsight Experience Replay (HER)，以便在复杂的操作任务中通过稀疏奖励实现强化学习。
OpenAI 多目标强化学习机器人环境
OpenAI 已发布一套具有挑战性的连续控制机器人任务，已与 OpenAI Gym 集成，以推进多目标强化学习的研究。
OpenAI 2018 年 3 月黑客松
OpenAI 在 2018 年 3 月 3 日于旧金山举办了一场社区黑客松和一系列讲座，以鼓励 AI 学习和项目开发。
OpenAI 支持者和组织更新
OpenAI 宣布了新捐赠者、顾问任命以及埃隆·马斯克离开其董事会，以避免与特斯拉 AI 重点可能产生的冲突。
OpenAI 正在为 AI 的恶意使用做准备
OpenAI 及其合作伙伴发布了一份研究论文，预测 AI 可能被恶意行为者滥用的方式，并提供了缓解这些全球安全威胁的建议。
OpenAI 通过教学实现可解释的机器学习
OpenAI 提出了一种机器教学方法，该方法使用教师-学生神经网络框架来识别概念的最具说明性的示例，确保得到的解释是人类可解释的，而不是任意的。
OpenAI 发现实体消歧的类型
OpenAI 开发了一种系统，该系统使用神经网络预测自动发现的类型的成员资格，以提高 CoNLL 和 TAC KBP 2010 数据集上的实体消歧准确率。
OpenAI 研究请求 2.0
OpenAI 发布了研究请求 2.0，这是一系列七个未解决的强化学习和机器学习技术问题，旨在鼓励社区贡献。
将 Kubernetes 扩展到 2,500 个节点
OpenAI 描述了为在 Azure 上进行深度学习研究而将 Kubernetes 集群扩展到 2,500 个节点所需的技术优化，解决了 etcd、网络和镜像拉取方面的瓶颈。
OpenAI 块稀疏 GPU 内核
OpenAI 已发布高度优化的 GPU 内核，用于块稀疏神经网络架构，使得模型可以更宽更深，同时运行速度比 cuBLAS 或 cuSPARSE 快几个数量级。
OpenAI 通过 L0 正则化学习稀疏神经网络
OpenAI 引入了一种在神经网络中使用 L0 范数正则化的方法，通过使用随机门将权重精确置零，从而创建稀疏模型，提升训练速度、推理速度和泛化能力。
OpenAI 可解释和教学示例研究
OpenAI 研究人员表明，以迭代而非联合的方式训练教师和学生神经网络，可以产生既能有效教授 AI 又能教授人类的可解释教学策略。
OpenAI 层级学习研究
OpenAI 已开发出 Meta-Learning Shared Hierarchies (MLSH)，这是一种强化学习算法，能够自动发现高层次动作，以比暴力方法更高效的方式解决复杂的长时序任务。
OpenAI 从仿真中泛化
OpenAI 使用动力学和域随机化技术在仿真中训练机器人控制器，使其能够泛化到真实机器人并对未计划的环境变化做出反应。
OpenAI 通过动态随机化实现机器人控制的仿真到真实迁移
OpenAI 研究者开发了一种动态随机化方法，使得仅在仿真中训练的机器人控制策略能够无需进一步的物理训练直接迁移到真实硬件。
OpenAI 非对称演员-评论家用于基于图像的机器人学习
OpenAI 提出了一种非对称演员-评论家框架，通过在完整仿真器状态上训练评论家而演员仅依赖 RGBD 图像，从而在不使用真实世界数据的情况下实现高效的仿真到真实世界迁移。
OpenAI 域随机化和生成模型用于机器人抓取
OpenAI 使用域随机化和一个自回归模型开发了一个数据生成管道，以仅使用模拟训练数据在未见过的对象上实现 80% 的真实世界抓取成功率。
OpenAI 元学习用于摔跤
OpenAI 表明，元学习代理可以快速调整其策略以击败更强的固定策略代理，并在模拟机器人摔跤中从物理故障中恢复。
OpenAI 竞争性自我对弈研究
OpenAI 表明竞争性自我对弈使得模拟的 3D 机器人能够自主发现诸如擒抱和潜水之类的复杂身体技能，而无需明确的人类设计。
非线性计算在深度线性网络中
OpenAI 研究人员发现，深度线性网络可以通过利用零附近的浮点算术下溢来执行非线性计算。
OpenAI 和 Oxford 为多智能体强化学习引入 LOLA
OpenAI 和牛津大学开发了 Learning with Opponent-Learning Awareness (LOLA)，一种通过塑造其他智能体的学习来实现互利结果的 RL 智能体。
OpenAI 具有对手学习意识的学习 (LOLA)
OpenAI 提出了具有对手学习意识的学习 (LOLA)，这是一种多智能体强化学习方法，使智能体能够塑造其他智能体的学习，以促进合作并达到纳什均衡。
OpenAI Baselines: ACKTR & A2C
OpenAI 发布了 Baselines 框架的 ACKTR 和 A2C 实现，提供了一种更具样本效率的强化学习算法（ACKTR）以及 A3C 的同步确定性变体（A2C）。
OpenAI Dota 2 1v1 机器人结果
OpenAI 开发了一种强化学习智能体，在 Dota 2 1v1 中实现了超人类表现，表明自博弈可以将机器学习系统扩展到超越人类水平的能力。
OpenAI Dota 2 机器人公告
OpenAI 已开发出一种机器人，能够在 1v1 比赛中击败顶级职业 Dota 2 选手，使用自我对弈强化学习，且不依赖模仿学习或树搜索。
OpenAI RL-Teacher 发布
OpenAI 已发布 RL-Teacher，这是一个开源界面，允许 AI 代理通过偶尔的人类反馈而不是手工制作的奖励函数进行训练。
OpenAI 通过参数噪声实现更好的探索
OpenAI 引入了一种向神经网络参数而非动作空间添加自适应噪声的方法，显著提升了强化学习的性能和探索一致性。
Proximal Policy Optimization (PPO) 发布说明 – OpenAI Baselines
OpenAI 发布了 Proximal Policy Optimization (PPO)，这是一种易于实现的强化学习算法，其性能达到或超过了最先进的水平，并已成为 OpenAI 的默认 RL 方法。
OpenAI 鲁棒对抗性输入研究
OpenAI 已开发出在不同尺度和视角下仍保持对抗性的图像，质疑了诸如自动驾驶汽车等系统通过多视角图像捕获可以防止恶意欺骗的观念。
OpenAI 后经验重放
OpenAI 提出了 Hindsight Experience Replay，一种通过将失败的尝试视为替代目标的成功实现，从而实现稀疏、二元奖励下的样本高效强化学习的技术。
OpenAI 教师-学生课程学习
OpenAI 引入了教师-学生课程学习（TSCL），这是一个自动框架，通过根据学生的学习进度和性能衰退选择子任务来优化训练。
mujoco-py 1.50.1.0 发行说明 / 新功能
OpenAI 已开源 mujoco-py 1.50.1.0，这是一个高性能的 Python 3 绑定，用于 MuJoCo 引擎，引入了批量模拟和 GPU 加速渲染。
OpenAI 从人类偏好中学习
OpenAI 和 DeepMind 开发了一种强化学习算法，能够从人类偏好比较中推断目标，从而减少对手动编写奖励函数的需求。
OpenAI MADDPG: 学习合作、竞争与沟通
OpenAI 推出了 MADDPG，这是一种强化学习算法，它利用中心化学习与去中心化执行，使多个智能体能够在复杂环境中进行协作与竞争。
OpenAI 通过 Q-Ensembles 进行 UCB 探索
OpenAI 研究者开发了一种基于 Upper-Confidence Bounds (UCB) 的 Q*-函数集合的探索策略，以提高深度强化学习在 Atari 基准上的性能。