OpenAI 提出通过辩论训练智能体以提升 AI 安全性的技术
OpenAI 提出一种 AI 安全技术，通过训练智能体进行辩论，并由人类评判胜负，以提升 AI 安全性。
#模型发布
#模型发布
今日 1 条OpenAI NewsAI 评分2727
OpenAI NewsAI 评分3232 OpenAI 发布 Evolved Policy Gradients 元学习新方法
OpenAI 推出实验性元学习方法 Evolved Policy Gradients，该方法通过进化学习代理的损失函数，实现新任务上的快速训练。使用 EPG 训练的代理在测试时能成功完成基本任务，如从训练时放置位置不同的房间另一侧导航到物体。
OpenAI NewsAI 评分55 OpenAI 启动 Retro Contest 强化学习迁移竞赛
OpenAI 推出强化学习迁移竞赛 Retro Contest，旨在评估算法从先前经验中泛化的能力。
OpenAI NewsAI 评分3737 Reptile：可扩展的元学习算法
OpenAI 开发了名为 Reptile 的元学习算法，该算法通过重复采样任务、在任务上执行随机梯度下降并更新初始参数，使其向最终参数学习。Reptile 是将最短下降算法应用于元学习环境，与仅需要黑盒访问优化器（如 SGD 或 Adam）的第一阶 MAML 算法在数学上相似，具有相似的计算效率和性能。
OpenAI NewsAI 评分1717 OpenAI 发布 Requests for Research 2.0 新一批七个未解问题
OpenAI 发布 Requests for Research 2.0，包含七个在研究过程中出现的未解问题。
OpenAI NewsAI 评分3535 OpenAI 发布针对块稀疏神经网络架构的GPU内核
OpenAI 推出针对块稀疏神经网络架构的GPU内核，该内核能实现比cuBLAS或cuSPARSE快数个数量级的运行速度；已应用于文本情感分析和文本及图像生成模型，取得业界领先成果。
OpenAI NewsAI 评分2323 OpenAI Baselines 发布 ACKTR 与 A2C 实现
OpenAI 在 Baselines 中发布了 ACKTR 和 A2C 两个新实现。A2C 是 A3C 的同步确定性变体，性能相当；ACKTR 比 TRPO 和 A2C 样本效率更高，且每次更新仅略增计算量。
OpenAI NewsAI 评分4343 OpenAI 详解 Dota 2 AI 自我对弈机制
OpenAI 展示其 Dota 2 AI 通过自我对弈在一个月内从接近高排名玩家水平提升至击败顶级职业选手。该机制证明在充足算力下，自我对弈能推动机器学习系统性能实现超人级飞跃。与受限于训练数据的监督学习不同，自我对弈系统随智能体能力提升自动优化可用数据。
OpenAI News精选AI 评分7373 OpenAI 发布能在 Dota 2 1v1 中击败顶级职业选手的 AI
OpenAI 开发出一款能在标准锦标赛规则下的 Dota 2 1v1 比赛中击败世界顶级职业选手的 AI。该 AI 完全通过自我对弈从零开始学习游戏，未使用模仿学习或树搜索技术。这一成果被视为构建能在涉及真实人类的混乱复杂情境中完成明确目标的 AI 系统的重要一步。
推荐理由：原文披露了通过自我对弈从零学习并在标准规则下击败顶级职业选手的 Dota 2 AI，展示了在复杂人类环境中实现明确目标的技术进展。
OpenAI NewsAI 评分4343 OpenAI 发布近端策略优化（PPO）算法
OpenAI 推出新型强化学习算法 Proximal Policy Optimization (PPO)，其性能与最先进方法相当或更优，且实现和调参更简单。凭借易用性和良好表现，PPO 已成为 OpenAI 的默认强化学习算法。
OpenAI NewsAI 评分2929 OpenAI 发布无监督情感神经元
OpenAI 开发了一种无监督系统，仅通过预测 Amazon 评论文本中的下一个字符进行训练，却学习到了极佳的情感表示。