跳到正文
10月5日 · 周一

最新精选

10月3日周六
  1. AI at Meta66

    Meta 表示,在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后,团队进一步测试 AI 能否在尚无解法路径的开放问题上作出贡献。过去数月,数学家通过常规 meta.ai 聊天界面,在 Thinking Mode 下与 Muse Spark 1.1 和 Muse Spark 1.2 合作求解此类问题,未使用定制研究脚手架。

    推荐理由:Meta 公开了数学家与 Muse Spark 在无定制脚手架下合作产出的六篇论文,可了解 AI 参与开放数学问题的实际协作方式。

  2. Meta AI Research · Muse71

    Meta 与数学家合作发布六篇论文,Muse Spark 参与解决五个开放数学问题

    Meta 分享与数学家合作的六篇论文,其中五篇回答了此前未解的数学问题,涵盖高斯椭球拟合阈值、双调和非线性薛定谔方程有限时间爆破、半交换群反例、二元多项式优化松弛紧性、p-adic 弦理论两点函数以及演化代数猜想。

    推荐理由:Meta 公开六篇与数学家合作的论文,其中五篇回答了此前未解的数学问题,并标注了 AI 与人类各自负责的段落。

4月15日周三
  1. 字节 Seed 论文62

    字节 Seed 发布 Seedance 2.0 视频生成论文

    字节 Seed 发布论文 Seedance 2.0,主题为面向世界复杂度的视频生成,原文链接为 https://seed.bytedance.com/zh/public_papers/seedance-2-0-advancing-video-generation-for-world-complexity。

6月26日周二
  1. Sam Altman Blog78

    OpenAI 用 PPO 训练 5 个智能体在 Dota 中击败半职业选手

    OpenAI 发布新成果,用其发明的通用强化学习算法 PPO 训练一支 5 个智能体的队伍玩 Dota,并击败了半职业选手。这些智能体对两周前的旧版本胜率稳定在 90-95%,训练过程没有使用人类对局数据,而是通过自我对弈学会游戏。Sam Altman 认为这表明只要有足够算力和能还原问题的模拟环境,深度强化学习就能解决极难的问题,并有望应用于更接近真实世界的环境。

    推荐理由:OpenAI 用 PPO 训练 5 个智能体在 Dota 中击败半职业选手,可了解自我对弈与算力规模在复杂决策任务中的作用。

已经到底了