AlphaZero 之后，David Silver 想让 AI 从零发现语言、科学和技术
AI 能否不依赖海量人类文本，靠与环境互动发现新的知识？
强化学习
8 篇文章
全部文章
训练 Agent 做真实工作，难点不是多造数据：Mercor 为什么把 verifier 当成核心
怎样训练 Agent 完成跨文件、跨应用的专业工作？
公司什么时候该训练自己的模型？Fireworks CEO 的答案不是越早越好
公司什么时候该训练自己的模型？
Beam 不只是一个开放模型：Reflection AI 想让企业从“租用智能”走向“拥有智能”
企业开始认真考虑开放模型时，下载权重只是第一步：模型还得接入实际工作、基础设施和可验证的业务流程。
企业什么时候值得训练自己的模型？Yash Patil 先看评估、规模和数据
企业担心依赖单一模型供应商，但训练自己的模型并不总是下一步。
40 亿参数模型如何用不到 500 美元的训练，胜过 2350 亿参数模型？
金融 Agent 答错，不一定是模型不懂金融，也可能是它编造表名、查询过宽或遇错后重复同一动作。
AI研究员为什么还不能自己改进自己？真正缺的不是更多代码，而是目标、现实反馈和持续学习
AI 能写实验代码以后，距离独立推进研究还差哪些环节？
Rich Sutton：LLM 上线后就不再学习，下一步要让它从经验里继续长
AI 上线后怎样从新经验中继续学习，同时保留旧能力？