搜索：人类反馈强化学习

「人类反馈强化学习」共找到 1976 篇相关文章

矩阵乘法新突破！XX^T原来可以更快！RL助力搜索，世界纪录又被提升了5%

深圳市大数据研究院、香港中文大学（深圳）研究团队，结合强化学习与组合优化技术，发掘新算法 RXTX，让 XX^T 运算减少 5% 运算量，成果在国际引发关注，不过产业化落地仍面临挑战。

近日Reddit上一则对Claude CLI的控诉帖引发关注。一位开发者用其清理软件包时，整个Mac系统被清空。Claude自查称执行了含“~/”的灾难性命令。类似“删库”事故并非个例，开发者需强化安全意识。

吴恩达指出编程助手带来“产品管理瓶颈”，即决定构建什么成难题。具备用户同理心的产品经理很关键，可凭直觉决策。还介绍通过多种策略获取用户反馈，强调用数据构建用户心理模型做决策。

全球首个分布式RL训练模型INTELLECT - 2发布，整合闲置算力完成训练，成本降低，性能媲美DeepSeek - R1。其采用分布式异步强化学习范式，团队开源四大关键组件，还获Karpathy等投资，未来有多项计划。

OpenAI 联合创始人 Karpathy 在 AI Ascent 2026 大会提出软件正经历第三次范式转移。从 Software 1.0 到 3.0，人类参与编程方式不断变化，3.0 用自然语言编程，中间层应用被模型原生能力吞噬。

上海AI Lab和新加坡国立大学推出新框架RETROAGENT，让AI Agent学会“复盘”。它通过双重内在反馈复盘，提出SimUtil - UCB策略查记忆，在多项任务中碾压基线模型，使Agent从解题进化到进化。

文章讲述人类驯化机器人踢足球的历程，从早期探索到如今技术发展，涉及比赛设置演变、技术难点攻克、团队配合提升等，还探讨了机器人踢球能力迁移及赛事商业前景，展望2050年机器人足球队目标。

Cursor新编程模型Composer 2性能超Claude Opus 4.6，价格“脚踝斩”。它靠引入新强化学习方法，让模型学会“做笔记”突破上下文瓶颈，在任务中表现出色，研究员还放出Composer 3消息。

Node.js之父Ryan Dahl和Redis之父Salvatore Sanfilippo都认为人类手写代码时代落幕，AI编程已广泛应用。不过，大佬们强调程序员不会失业，他们的工作会从写代码转为提需求。

如今AI时代，软件竞争不再只看能否正常工作，产品品味成关键。文章指出品味是经长期训练的直觉，还给出培养方法，如接触优秀作品、思考喜好原因、大量练习并寻求反馈。