Поиск
Найдено: 19
1ч 07м⚖ Методы Offline RL: от имитации к оптимизации стратегий
19 мин🤖 Обучение на чужих ошибках: Янник Кильхер разбирает бенчмарк D4RL для Offline RL
44 мин🧠 Авторы ChibiT о переносе знаний из текстов Wikipedia в Offline RL
1ч 20м🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности
1ч 13м🔄 От симуляции такси до ChatGPT: как максимизация энтропии и отзывы людей обучают современный ИИ
1ч 07м🤖 Сергей Левин об эволюции обучения с подкреплением: от «бандитов» в ChatGPT до роботов-трансформеров
42 мин🤖 Как проект RT-X объединил 34 лаборатории и ускорил обучение роботов
38 мин🧠 Как предобучение трансформеров на Википедии помогает в обучении роботов
2ч 13м🧠 Когнитивное зеркало: почему ИИ лечит лучше алгоритмических соцсетей
1ч 37м🧠 Почему роботы бьют посуду и как ИИ обретает здравый смысл
52 мин🧠 Профессор Челси Финн об основах глубокого обучения с подкреплением в Стэнфорде
56 мин🤖 Как превратить обучение с подкреплением в задачу для GPT: разбор Decision Transformer
50 мин🎮 Как ошибка в медиане влияет на оценку ИИ
45 мин🚀 Тони Джебара о будущем: «Алгоритмы должны мыслить долгосрочно»
56 мин🛠 Ориоль Виньялс: «Масштабирование — это не единственный путь к интеллекту»
1ч 05м🔄 Лекция Стэнфорда о Reward Learning: как научить искусственный интеллект понимать человеческие цели
1ч 13м🔄 Подход Model-Based RL: как Стэнфорд обучает сложных роботов за четыре часа
40 мин🤖 Пессимизм как стратегия: Аравинд Раджесваран о безопасности офлайн-обучения ИИ
28 мин🤖 Использование физических моделей для обучения роботов ловкой манипуляции