强化学习早期的出圈是在星际争霸2击败职业玩家的AlphaStar，是Open AI击败Dota 2世界冠军战队OG的OpenAI…
当 AI 预训练的 scaling law 开始放缓，强化学习 (RL) 接过接力棒，拉出了一条漂亮的第二曲线。 在当下的 Agent 热里，有 RL 能力的团队，也是最被看好和押注的。 但很多人对 RL 都没有一个足够清晰的理解，包括我自己。 所以这期我们请到了国内 RL 领域的专家、清华大学交叉信息研究院助理教授吴翼，来讲讲 RL 的原理到底是啥、RL+LLM…
【本期内容】 DeepSeek 在 1 月 20 日推出了比肩 OpenAI o1 的推理模型——DeepSeek-R1，一经发布，撼动全球，被誉为「国运级创新」，全球云厂商和应用厂商纷纷接入，DeepSeek App 就此成为了比 ChatGPT 增长还要迅猛的超级 App。 DeepSeek 最重要的创新究竟在哪？为什么这样的创新能由 DeepSeek 做出？这对整个 AI…
2025刚开年，全球AI届就已高度共识，将2025年定义为“智能体元年”。 北京时间1月24日凌晨，OpenAI率先抢跑，发布智能体产品Operator（操作员），打响了全球智能体竞赛的第一枪。 在Operator发布前，广密在我们的节目中预言，25年核心关键词是Agent、Agent、Agent，这些AI产品最终会演变成一个任务容器，朝着“下一个Google”方向进发。…
上集节目，广密在OpenAI o1问世之前，准确地预言了代号为“Strawberry”（草莓）的项目走向，以及它背后暗示的AGI范式已经转移，强化学习开启了新赛道。…
你已经理解了 Attention → KV Cache → Agent 的演进。o1 代表的是另一条线： 预训练（语言模型）→ 后训练（RLHF对齐）→ 强化学习推理（o1） ↓ ↓ ↓
你听说过“清华姚班”吗？这是图灵奖得主姚期智于2005年在清华成立的计算机实验班，进入姚班的本科生需要经过严格的选拔，由姚先生亲自制定培养计划。姚班至今成立已经快20年，在这一波人工智能浪潮中，姚班的毕业生活跃在国内外学界、产业界的一线。…
今天，此话当真 EP1 的嘉宾吴翼返场了！他身上有很多标签：前 OpenAI 研究员、清华大学交叉信息研究院助理教授，热衷打竞赛的技术小天才，最近一年又多了一个：边塞科技的创始人。 从更智能的机器到更自然的人机交互，他如何找到自己的学术研究与创业方向？从 OpenAI 研究员到叉院老师，他如何在众多机会中做出抉择？竞赛万年银牌选手、博士期间一度焦虑到失眠，他又是如何直面挫折，实现蜕变与成长的？…
在OpenAI的YouTube官方账号里，一个小红人追着小蓝人玩捉迷藏游戏的视频有最高的点击率。 在强化学习算法下，小红和小蓝这些AI小人在虚拟世界里面不停玩游戏，一开始的小蓝只会躲，在日夜重复玩了上万轮之后，它们开始发现策略、学会协作、甚至反制。…
在OpenAI的YouTube官方账号里，一个小红人追着小蓝人玩捉迷藏游戏的视频有最高的点击率。 在强化学习算法下，小红和小蓝这些AI小人在虚拟世界里面不停玩游戏，一开始的小蓝只会躲， 在日夜重复玩了上万轮之后，它们开始发现策略、学会协作、甚至反制 。 第一期节目，我们邀请到了 清华大学交叉信息研究院助理教授吴翼…
🌟欢迎关注我们的新节目，圆桌访谈 「席外话」 。演讲之外，随便聊聊！ 本期嘉宾：吴翼，清华大学交叉信息研究院助理教授。 前段时间，ChatGPT火了，我们的朋友吴翼正好在它的研发公司Open AI工作过一年多时间。于是在GPT-4发布的转天，我们邀请他一起聊了聊他眼中的OpenAI，以及他如何看待当下爆红的AIGC（虽然才发出来）。…
本期嘉宾：吴翼，清华大学交叉信息研究院助理教授。 前段时间，ChatGPT火了，我们的朋友吴翼正好在它的研发公司Open AI工作过一年多时间。于是在GPT-4发布的转天，我们邀请他一起聊了聊他眼中的OpenAI，以及他如何看待当下爆红的AIGC（虽然才发出来）。…
吴翼，清华大学交叉信息研究院助理教授。 “人工智能很多时候其实是人工智障。” 吴翼毕业于美国加州大学伯克利分校，师从StuartRussell教授从事AI研究——利用深度强化学习使智能体在物理环境下可以学会与人类行为相似的策略和技能。 他说训练AI的过程其实就像是教它们打游戏，它们有时显得很聪明，似乎可以去解决很多突破人类认知的难题，但是有时它们又不按常理出牌，显得十分智障。…