Buscar noticias
Buscá por texto y descubrí noticias relacionadas con tu consulta.
Noticias relevantes
Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.
No encontramos noticias relacionadas por su significado.
Noticias encontradas
Coincidencias en título, descripción, resumen, tags, personas o periodista.
3 resultados para «Alex Ray»
Más recientes primero · Hasta 30 noticias por página
OpenAI NewsOpenAI presenta InstructGPT, modelos de lenguaje alineados para seguir instrucciones
OpenAI presentó InstructGPT, modelos de lenguaje entrenados con aprendizaje por refuerzo a partir de retroalimentación humana (RLHF) que siguen mejor las instrucciones del usuario que GPT-3, con mayor veracidad y menor toxicidad. Los etiquetadores prefirieron las salidas del modelo de 1.3B parámetros sobre las de GPT-3 de 175B, y estos modelos pasaron a ser los predeterminados en la API. La empresa reconoce limitaciones: aún generan contenido tóxico o sesgado, inventan hechos y están sesgados hacia valores culturales angloparlantes.
- Ryan Lowe
- Jan Leike
- Long Ouyang
- Jeff Wu
- Roger Jiang
- Diogo Almeida
- Carroll Wainwright
- Pamela Mishkin
- Chong Zhang
- Sandhini Agarwal
- Katarina Slama
- Alex Ray
- John Schulman
- Jacob Hilton
- Fraser Kelton
- Luke Miller
- Maddie Simens
- Amanda Askell
- Peter Welinder
- Paul Christiano
- Steve Dowling
- Hannah Wong
- Elie Georges
- Alper Ercetin
- Jared Salzano
- Allan Diego
- Justin Jay Wang
OpenAI presenta Random Network Distillation, un método de recompensas basado en predicción para el aprendizaje por refuerzo
OpenAI presentó Random Network Distillation (RND), un método de recompensas basado en predicción que incentiva la exploración por curiosidad en agentes de aprendizaje por refuerzo. RND superó por primera vez el rendimiento humano promedio en Montezuma's Revenge, encontrando las 24 habitaciones y resolviendo el primer nivel sin demostraciones ni acceso al estado del juego. El método es simple de implementar, aplicable a cualquier algoritmo de aprendizaje por refuerzo y evita el problema de la "televisión ruidosa".
OpenAI entrena una mano robótica para manipular objetos con destreza sin precedentes
OpenAI presentó Dactyl, un sistema que entrena una mano robótica Shadow Dexterous Hand para manipular objetos mediante aprendizaje por refuerzo, enteramente en simulación y sin ajuste fino en el robot real. La técnica de aleatorización de dominio permitió transferir el conocimiento a la realidad, logrando hasta 50 rotaciones exitosas de un bloque. El sistema descubrió de forma autónoma estrategias de agarre similares a las humanas y mostró que la percepción táctil no era necesaria para la tarea.