OpenAI Fellow 2018秋季招募
OpenAI 正在接受下一批 OpenAI Fellow 的申请，该计划提供为期 6 个月的带薪 AI 研究学徒机会。
#OpenAI
#OpenAI
今日 4 条OpenAI NewsAI 评分55
OpenAI NewsAI 评分4040 OpenAI 发布 Gym Retro 全版本，游戏强化学习研究平台新增超千款游戏
OpenAI 推出 Gym Retro 全版本，游戏数量从70款Atari游戏和30款Sega游戏增至超过1000款，涵盖多种支持模拟器。同时，发布用于添加新游戏的工具。
OpenAI News精选AI 评分6565 OpenAI发布最新研究进展
OpenAI于2018年5月16日发布了最新的研究进展。该内容由OpenAI官方渠道直接公布，具体涉及当时的技术研究细节。
推荐理由：OpenAI官方发布的早期研究动态，反映了其在2018年对模型训练或相关技术方向的探索，可作为理解其技术演进路径的历史参考。
OpenAI NewsAI 评分2727 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。
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55 OpenAI 首届黑客松活动回顾
OpenAI 于 3 月 3 日举办了首届黑客松，吸引了 100 名人工智能领域的参与者。
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 Scholar 项目提供资助和指导，支持少数群体深度学习研究
OpenAI Scholar 项目为来自少数群体的个人提供6-10个奖学金和指导，让他们全职学习深度学习3个月，并开源一个项目。
OpenAI NewsAI 评分4242 OpenAI 发布机器人研究要素：8个模拟环境与HER实现
OpenAI 发布了八个模拟机器人环境及 Hindsight Experience Replay 的 Baselines 实现。这些工具用于训练在物理机器人上工作的模型，并附带一组机器人研究需求请求。
OpenAI NewsAI 评分55 OpenAI 举办旧金山 Mission District 办公室黑客马拉松
OpenAI 在旧金山 Mission District 办公室于 3 月 3 日举办黑客马拉松，活动包括讨论和编程挑战。
OpenAI NewsAI 评分2727 OpenAI 发布论文预测 AI 恶意使用风险及缓解措施
OpenAI 联合多家机构发布论文，预测恶意行为者滥用 AI 技术的潜在方式及预防缓解措施。该成果源于与 Future of Humanity Institute、Centre for the Study of Existential Risk 等合作伙伴近一年的持续工作。
OpenAI NewsAI 评分1212 OpenAI 欢迎新捐赠者
OpenAI 宣布欢迎新的捐赠者加入。该消息简短地表达了机构对新增支持者的兴奋之情，未披露具体捐赠金额、名单或用途细节。
OpenAI NewsAI 评分4040 GPT-4 通过教学促进可解释机器学习
OpenAI 设计了一种方法，鼓励 AI 通过对人类有意义的示例相互教学，自动选择最有信息量的示例来教授概念，如描述狗的最佳图像，实验表明该方法在教授 AI 方面有效。
OpenAI NewsAI 评分2020 OpenAI 开发自动实体消歧系统
OpenAI 研发了一种基于神经网络的自动实体消歧系统，通过识别约100个自动发现的“类型”来判断词语所指的具体对象。
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 开发分层强化学习算法以加速长时程任务求解
OpenAI 开发了一种分层强化学习算法，通过自动发现高层动作来快速解决需要数千时间步的任务。该算法在导航问题中识别出不同方向的行走和爬行等高层动作，使智能体能迅速掌握新的导航任务。
OpenAI NewsAI 评分3030 OpenAI 展示机器人从仿真到实机的泛化能力
OpenAI 最新机器人技术使完全在仿真中训练的控制器能部署于物理机器人，并实时响应环境中的计划外变化以完成简单任务。该技术实现了从开环系统向闭环系统的转变，提升了机器人在非结构化环境中的适应性与鲁棒性。
OpenAI NewsAI 评分1616 OpenAI 展示元学习在模拟机器人摔跤中的应用
OpenAI 展示元学习智能体在模拟机器人摔跤任务中，能快速击败更强的非元学习智能体。该智能体还能适应物理故障，验证了元学习在动态环境下的鲁棒性与适应能力。
OpenAI NewsAI 评分3838 OpenAI 发现自我博弈助 AI 习得足球技能
OpenAI 发现自我博弈使模拟 AI 无需预设环境即可自主习得铲球、假动作等足球物理技能。该方法确保训练难度始终适配 AI 能力，结合 Dota 2 结果增强了对自我博弈作为未来核心 AI 组件的信心。
OpenAI NewsAI 评分2525 OpenAI 发布 LOLA 算法以建模其他智能体思维
OpenAI 发布 Learning with Opponent-Learning Awareness (LOLA) 算法，该算法考虑了其他智能体也在学习的特性。LOLA 在迭代囚徒困境中发现了既自利又合作的策略（如 tit-for-tat），是迈向能够建模其他心智的智能体的重要一步。
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2222 OpenAI 开源 RL-Teacher：通过人类反馈训练 AI
OpenAI 开源了 RL-Teacher，这是一种通过偶尔的人类反馈而非手工设计的奖励函数来训练 AI 的接口实现。该技术旨在推动安全 AI 系统的发展，同时也适用于那些难以指定奖励的强化学习问题。
OpenAI NewsAI 评分1515 OpenAI 提出参数噪声增强强化学习探索
OpenAI 发现向强化学习算法参数添加自适应噪声能频繁提升性能。该方法实现简单且极少降低表现，适用于各类问题场景。
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4040 OpenAI 发布鲁棒对抗性输入图像
OpenAI 创建了能在不同尺度和视角下可靠欺骗神经网络分类器的图像。这一成果挑战了上周关于自动驾驶汽车因多视角采集而难以被恶意欺骗的说法。
OpenAI NewsAI 评分2626 OpenAI 开源基于 MuJoCo 引擎的高性能 Python 机器人仿真库
OpenAI 开源了一款用于机器人仿真的高性能 Python 库，该库基于 MuJoCo 引擎构建。这一工具源自 OpenAI 过去一年的机器人研究积累，旨在提升物理仿真的运行速度。
OpenAI NewsAI 评分2828 OpenAI 与 DeepMind 合作开发基于人类偏好学习的安全 AI 算法
OpenAI 联合 DeepMind 安全团队推出一种新算法，通过让模型判断两种行为中哪个更优来推断人类意图。该方法旨在消除人工编写目标函数的需求，避免因使用简单代理或目标定义偏差导致的不安全行为，是构建安全 AI 系统的重要一步。
OpenAI NewsAI 评分1212 OpenAI 探讨多智能体环境在通往 AGI 路径中的作用
OpenAI 指出多智能体竞争环境是通往 AGI 的垫脚石，具备自然课程和动态压力两大特性。在该环境中，难度随竞争对手技能提升而增加，且不存在稳定平衡点，迫使智能体持续进化。目前此类环境与传统环境差异显著，仍需大量研究才能有效驾驭。
OpenAI NewsAI 评分3838 OpenAI 开源 Baselines：DQN
OpenAI 开源了内部强化学习算法复现项目 Baselines，旨在实现与已发表结果相当的性能。本次发布包含 DQN 及其三个变体，其余算法将在未来几个月陆续推出。
OpenAI NewsAI 评分1818 OpenAI 发布可单次学习新任务的机器人系统
OpenAI 推出一种完全在模拟环境中训练并部署于物理机器人的系统，该系统能在观看一次任务演示后学会执行新任务。
OpenAI NewsAI 评分4040 OpenAI 发布开源机器人模拟软件 Roboschool
OpenAI 发布了开源机器人模拟软件 Roboschool。该工具与 OpenAI Gym 集成，旨在为机器人仿真提供基础支持。
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。
OpenAI NewsAI 评分2525 OpenAI 发布首个在模拟中训练并部署于物理机器人的垃圾检测 AI
OpenAI 创建了世界上第一个完全在模拟环境中训练并部署到物理机器人上的垃圾检测 AI。该模型实现了从纯虚拟仿真训练到真实物理世界机器人应用的直接迁移，展示了 AI 在实体环境中的新能力。
OpenAI NewsAI 评分4747 OpenAI 发现进化策略可替代强化学习
OpenAI 研究发现，进化策略（ES）在 Atari 和 MuJoCo 等现代基准测试中性能可与标准强化学习（RL）相媲美。该技术克服了 RL 的诸多不便，为大规模优化提供了可扩展的替代方案。
OpenAI NewsAI 评分2121 OpenAI 支持 Distill 期刊发布
OpenAI 宣布支持新期刊 Distill 的发布。该期刊旨在以卓越的方式传播机器学习成果，涵盖新颖或已有的研究结果。
OpenAI NewsAI 评分1818 OpenAI 研究智能体如何发展自有语言
OpenAI 发布新研究，展示 AI 智能体在交互中自发发展出自有语言。该工作聚焦于多智能体通信机制的演化过程，未涉及具体模型版本或性能指标数据。