大微阁AI日报
OpenAI Dota 2模型自对弈一个月超越人类顶级选手
OpenAI通过自对弈训练，使Dota 2 AI系统在一个月内从仅能匹配高排名玩家进步到击败顶级职业选手，并持续提升。该系统依赖自对弈自动生成更好的训练数据，而非固定数据集。这一突破表明，在足够算力下，自对弈可从低于人类水平快速达到超人类表现，为强化学习在复杂任务中的应用提供了范例。
自对弈训练
OpenAI Dota 2 AI
+1
8月16日
15:00 发布 · 1条
8月11日
15:00 发布 · 1条
OpenAI开发Dota 2 AI击败世界顶级职业选手
OpenAI宣布其开发的AI在1v1标准赛事规则下击败了Dota 2世界顶级职业选手。该AI从零开始通过自我对弈学习，不使用模仿学习或树搜索。这标志着AI系统在复杂、混乱的真实场景中完成明确目标方面迈出一步。
击败职业选手
自我对弈学习
+1
8月3日
15:00 发布 · 1条
OpenAI发布RL-Teacher通过人类反馈训练AI
OpenAI开源了RL-Teacher，这是一个通过偶尔的人类反馈而非手工设计的奖励函数来训练AI的系统。该技术旨在提升AI安全，并适用于奖励函数难以指定的强化学习问题。值得关注的是，它提供了一种更灵活、更安全的AI训练方法，可能降低复杂任务的训练门槛。
人类反馈训练AI
RL-Teacher开源
+1
7月17日
15:00 发布 · 1条
OpenAI创建可欺骗多尺度视角的对抗性图像
OpenAI制造出能从不同尺度和视角稳定欺骗神经网络分类器的图像，反驳了此前关于自动驾驶汽车因多视角捕捉而难以被恶意欺骗的说法。该研究显示，即使车辆从多角度、多尺度捕获图像，仍可能被精心设计的对抗样本误导，对自动驾驶安全构成潜在威胁。
对抗性图像
神经网络分类器
+2
6月28日
15:00 发布 · 1条
开源高性能MuJoCo Python库用于机器人模拟
OpenAI开源了基于MuJoCo引擎的高性能Python库，该库经过其一年机器人研究开发，旨在提升机器人模拟速度。具体性能提升数字未披露，但库专门为Python优化，可加速机器人模拟计算。
MuJoCo引擎
Python库
+2
6月13日
15:00 发布 · 1条
OpenAI联合DeepMind开发偏好学习算法
OpenAI与DeepMind安全团队合作，开发了一种能从人类偏好中推断目标的算法。该算法通过比较两种行为哪种更好来学习，无需人工编写目标函数，旨在避免因目标函数简化或错误导致的不安全行为。这为构建更安全的AI系统提供了新方法。
OpenAI偏好学习算法
DeepMind合作
+1
5月16日
15:00 发布 · 1条
OpenAI推机器人系统看一眼即学会新任务
OpenAI开发了全仿真训练后部署到实体机器人的系统，机器人仅观察人类演示一次即可学会新任务。该系统完全在模拟环境中训练，无需真实数据。这一突破降低了机器人编程成本，推动通用机器人发展。
训练于仿真
一次学习新任务