- 综合排序
- 最热优先
- 最新优先
- 来自专栏新智元
【攻克Dota2】OpenAI自学习多智能体5v5团队战击败人类玩家
之后，我们又与第4和第5队进行了非正式的比赛，预计会输得很惨，但OpenAI Five在前3场比赛中赢得了两场。 OpenAI继去年解决1v1的问题后，1年内能在5v5的更复杂情况下，完全依靠自我对抗学习、无显式通讯信道的前提下，即展现出了类似于人的长期规划协作能力，代表了多智能体决策智能的国际最高水准，也体现了大规模算力带来的美感 Dota 2 是一个实时竞技电子游戏，有两支5人队伍组成，每个人都控制一个英雄，能玩Dota的AI，必须掌握以下技巧： 很长的时间线。 5月15号的OpenAI Five与第一队旗鼓相当，赢了一场比赛，又输了一场。6月6日的OpenAI Five战胜了1-3对。 我们和4队、5队建立了非正式的比赛，预计出现很差的表现，但是OpenAI Five在前三场比赛中均赢了两场。 ?
67400发布于 2018-07-31 基于Bedrock的自学习生成式AI系统构建
这种复杂性，加上每天数百万次的提交，使得目录信息丰富成为自学习AI的理想试验场。 这促使我们设计了一个重新构想生成式AI如何扩展的自学习系统。多个较小模型通过共识处理常规案例，仅在出现分歧时调用较大模型。 下图展示了这个自学习系统的架构。在自学习架构中，产品数据流经生成器-评估器工作节点，分歧被路由给监督者进行调查。推理后，系统还会捕获来自卖家（如上架更新和申诉）和顾客（如退货和差评）的反馈信号。 关于作者某负责人 是某电商平台选品与目录系统部门的首席科学家，他率先设计了大规模自学习生成式AI系统以提升目录质量。 他热衷于开发持续改进的闭环系统，并在某选品与目录系统部门领导战略计划，构建一个复杂的自学习闭环系统，整合来自顾客、卖家和供应链运营的信号以优化结果。
11510编辑于 2026-02-18- 来自专栏【计网】Cisco
【Cisco Packet Tracer】交换机的自学习算法
交换机的自学习算法 2.1 实验目的 理解自学习算法： 通过本实验，旨在深入理解Cisco Packet Tracer交换机的自学习算法，掌握其工作原理和过程。 （5）step5 主机通过交换机进行数据传输：通过主机6与主机8间发送数据包实现，在左上角工具栏鼠标点击信封（添加简单的PDU），交换机的数据传输： 首先，数据包由主机6发送到交换机，接着，交换机不通过广播发送给主机 ：构建新的网络拓扑并由主机4向主机5传输数据包，通过实验发现此时交换机在第一次记录了主机4的MAC地址和端口信息，在主机5收到后返回响应也会传输到交换机并留下主机5的MAC地址和端口信息。 设置交换机的命令行界面： 由于清除了交换机的所有MAC记录，所以再次由主机4向书记5传输数据包交换机会将其进行转发，设置交换机的命令行界面： 2.4 实验体会 深入了解自学习算法： 通过观察实验中交换机的学习过程 ，对自学习算法有了更深刻的理解。
86910编辑于 2024-02-20 - 来自专栏CreateAMind
TCN: 端到端机器人自学习算法
Time-Contrastive Networks: Self-Supervised Learning from Multi-View Observation
50720发布于 2018-07-24 - 来自专栏编码如写诗
OpenClaw自学习：AReaL 让智能体真正学会
这可不是简单封装，而是真正的硬核工程： 5D并行支持 并行类型 说明 数据并行 多卡数据分片 流水线并行 层级流水线 张量并行 模型张量切分 上下文并行 长序列拆分 专家并行 MoE专家分配 开发效率
76711编辑于 2026-03-05 机器人通过自学习实现逼真唇部同步
当人们面对面交谈时，近一半的注意力会集中在嘴唇的运动上。尽管如此，机器人仍然很难以一种令人信服的方式移动嘴巴。即使是最先进的人形机器，也常常依赖僵硬、夸张的嘴巴动作，看起来像木偶，前提是它们有脸的话。
13610编辑于 2026-01-21- 来自专栏我还不懂对话
【自学习】- 怎么让对话机器人越来越强？
设定$w{ij}$为$q_i$对于$utl_j$的权重（点击了多少次），那么$w_i = \sum_j w{ij}$，会设置一个绝对权重和相对权重的阈值来做过滤，文中设定的绝对阈值5相对阈值0.1。
1.6K20编辑于 2022-09-06 - 来自专栏Java3y
【面试现场】如何设计可自学习的五子棋AI？
题目：如何设计可自学习的五子棋AI？ ? ? ? ? ? ? ? ? ? ? ? ? 【请教大神】 小史回到学校，把面试的情况和计算机学院的吕老师说了一下。 ? ? ? ? ?
92321发布于 2018-12-28 - 来自专栏FreeBuf
未来趋势 | 自学习网络或许会在2018年替代传统的僵尸网络
在本周举办于法国尼斯的供应商国际媒体会议上，Fortinet的全球安全战略负责人Derek Manky表示，自学习网络（例如由Hivenet驱动的Swarmbot-一种智能集群网络）在2018年将会成为一种新的威胁趋势 跟传统的僵尸网络不同，Hivenet自学习网络中的僵尸设备无需等待攻击者向其发送控制命令，而且Hivenet还可以成倍地自发增长和扩大。 Fortinet预测称，这种自学习攻击网络不仅将能够同时对多个目标发动攻击，而且目前的威胁缓解以及事件响应方案都无法有效地应对这种威胁。 考虑到企业环境的话，Trump认为：“当某个僵尸网络对你的企业发动DDoS攻击，垃圾邮件攻击或者点击欺诈攻击时，无论发动攻击的是普通的僵尸网络还是Hivenet自学习网络，其实都不重要了。 不过，相比于传统僵尸网络来说，基于Hivenet驱动的自学习型僵尸网络的破坏力则更加严重，如果这些基于机器学习技术的僵尸网络真的非常高效，那未来我们所面临的安全威胁就非常恐怖了。”
56960发布于 2018-02-26 - 来自专栏DeepHub IMBA
instinct：一个基于置信度的 AI Agent 自学习记忆系统
Confidence 1-4: raw (observed, not actionable) Confidence 5-9: mature (ready to suggest) { "command": "instinct", "args": ["serve"] } } } 配置文件里加上这几行，任意 MCP Agent 即可接入自学习记忆 conf=6 [mature] — Check for __init__.py in new packages combo:pytest+coverage conf=5
9510编辑于 2026-04-15 用STM32制作的315Mhz自学习遥控器
但是这样无法用单片机控制，于是，使用单片机针对协议的解码，编码就成了必要实现：硬件图纸：STM32单片机连接发射模块和接收模块，通过单片机解码和编码用于控制遥控设备；目前代码只支持EV1527的解码规范；所谓的自学习遥控器 ，其实就是先将信号解码并存储，然后再次发送出去就相当于自学习；前端采用SHMICTRL 神秘魔控串口屏，用于实现UI操作，本版本只制作了一个测试界面，完成主要功能，后期第二个版本我们才制作全功能的界面方便实现控制 GPIO_PIN_SET); //H HAL_TIM_Base_Start_IT(&htim16); }接收解码：#define H1min 14#define H1max 20#define L1min 5#
51600编辑于 2025-09-27- 来自专栏机器之心
业界 | 英特尔推出神经形态测试芯片Loihi：可自学习
选自Forbes 机器之心编译 参与：刘晓坤 英特尔正开始尝试用所谓的「神经形态芯片」模拟真实大脑的运作方式。 英特尔Loihi神经形态测试芯片 芯片巨头英特尔的研究实验室开发出一种新型芯片，即 In
69680发布于 2018-05-10 - 来自专栏机器之心
前沿 | Science：自学习式人工智能可协助预测心脏病发作
选自Science 作者：Matthew Hutson 机器之心编译 参与：蒋思源、黄小天 近年来，将人工智能应用于医疗健康已经在蓬勃发展，机器之心也曾报道过医疗方面的文章，变革的开始，深度学习将如何改变医疗成像领域？和 纽约客特稿 | 把癌症诊断交给机器，医疗服务会更好吗？ 《科学》的这篇文章注重于使用机器学习算法解决最难以预测的心脑血管疾病，希望能有助于心脑血管疾病的预防。 即使医生有很多工具可以预测患者的健康，但是他们仍会告诉你这些工具远远不能应对人体的复杂性。而心脏病发作就特别难以预测。现在，科学家
905120发布于 2018-05-07 - 来自专栏素质云笔记
无监督学习︱GAN 在 NLP 中遇到瓶颈+稀疏编码自学习+对偶学习
比如说对机器翻译而言，现在如果我们请人工来翻译，一个单词的费用差不多是5—10美分之间，一个句子平均长度差不多是30个单词，如果我们需要标注一千万个双语句对，也就是我们需要找专家翻译一千万句话，这个标注的费用差不多是 Lantao Yu, Weinan Zhang, Jun Wang, Yong Yu https://arxiv.org/abs/1609.05473v5 [3] Automatic chemical http://www.machinedlearnings.com/2017/01/generating-text-via-adversarial-training.html . ---- 二、稀疏编码自学习 为了区别于这种半监督学习，我们称我们的任务为自学习。 自学习方法主要包括以下两个阶段： 首先使用无标记数据来学习一种表达，然后将此种表达应用于标记的数据以及分类任务中。
1.5K20发布于 2019-05-26 - 来自专栏DeepHub IMBA
使用PyTorch实现简单的AlphaZero的算法（3）：神经网络架构和自学习
神经网络架构和训练、自学习、棋盘对称性、Playout Cap Randomization，结果可视化 从我们之前的文章中，介绍了蒙特卡洛树搜索 (MCTS) 的工作原理以及如何使用它来获得给定棋盘状态的输出策略 以下是在3x3, 4x4和5x5棋盘上对随机代理的胜率。 x 5的棋盘来说，训练在1000个周期左右就饱和了 可视化 每一场比赛都包括棋盘上的一系列动作。 对于一块5x5的棋盘，第一步有25种可能。随着训练的进行，神经网络的值头输出不断提高，从而改进了蒙特卡罗搜索。以下是这些动作的可视化。可视化是针对一个5 x 5的棋盘，所以有25种可能性。 (5 × 5-> 25动作)。25个动作被映射到圆/圆弧中的角度。搜索最多只能到达4步的深度。 25个动作被映射到圆/圆弧中的角度。由于价值网络启发式的存在，搜索甚至深入到20步。
96130编辑于 2023-02-01 - 来自专栏五分钟学算法
【面试现场】如何设计可自学习的五子棋 AI ？
题目：如何设计可自学习的五子棋AI？ ? ? ? ? ? ? ? ? ? ? ? ? 【请教大神】 小史回到学校，把面试的情况和计算机学院的吕老师说了一下。 ? ? ? ? ?
1.3K10发布于 2019-10-23 - 来自专栏苦逼的码农
【面试现场】如何设计可自学习的五子棋AI？
题目：如何设计可自学习的五子棋AI？ ? ? ? ? ? ? ? ? ? ? ? ? 【请教大神】 小史回到学校，把面试的情况和计算机学院的吕老师说了一下。 ? ? ? ? ?
89030发布于 2018-12-25 - 来自专栏数据猿
滴滴出行场景中语音识别模型的自学习平台化实践
于是我们开发了语音识别模型自学习平台来缓解这个问题。语音识别简单来说分为声学模型，语言模型，解码器和发音词典。 一方面，为了满足非专业用户参与模型优化，自学习平台基于NodeJS/Antd开发了Web前端页面，为用户提供了简单、易用的模型自学习优化操作界面；另一方面，为了支持开发人员进行定制化的二次开发，平台基于 同时，利用Celery平台也为模型自学习需要的周期性优化任务（Periodic Tasks）提供了支持。 3. 这种自学习的训练方式通常能比单纯使用少量标注数据时，能够带对模型效果带来更大的提升。 采用得分最高的序列作为识别结果在实际上是存在某些问题的，通过一些解码实验我们发现，如果系统每次都选取N-best中与文本标注编辑距离最小的结果作为输出，准确率会比直接选取得分最高的结果高大约5个百分点。
1.4K50发布于 2020-11-13 - 来自专栏计算机视觉工坊
一文带你了解基于视觉的机器人抓取自学习(Robot Learning)
“一眼就能学会动作”，或许对人而言，这样的要求有点过高，然而，在机器人的身上，这个想法正在逐步实现中。马斯克（Elon Musk）创立的人工智能公司Open AI研究通过One-Shot Imitation Learning算法(一眼模仿学习)，让机器人能够复制人类行为。现阶段理想化的目标是人类教机器人一个任务，经过人类演示一次后，机器人可以自学完成指定任务。机器人学习的过程，与人类的学习具有相通之处，但是需要机器人能够理解任务的动作方式和动作意图，并且将其转化为机器人自身的控制运动上。
2.3K10发布于 2020-12-11 - 来自专栏AI研习社
自学习 AI 智能体第二部分：深度 Q 学习
自学习 AI 主体系列 - 目录 第一部分：马尔可夫决策过程 第二部分：深度Q学习（本文） 第三部分：深入（双重）Q-Learning 第四部分：继续行动空间的策略梯度 等式5 将贪心策略插入Q（s，a） 贪心策略为我们提供了最佳的动作值Q *（s，a），因为根据定义，Q *（s，a）是Q（s，a），它遵循最大化动作值的策略： ? 等式6 最优Q（s，a）的定义 等式5中的最后一行只不过我们在上一篇文章中得出的Bellman最优性方程。 该等式用作递归更新规则以估计最佳动作值函数Q *（s，a）。
94970发布于 2018-12-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号