Поиск
Найдено: 36
45 минЯнник Килчер о Q-Learning: «Возможно, это не связано с Q*»
45 мин🤖 Янник Килчер о Q-Learning: как ИИ учится принимать решения
1ч 18м🧠 Эмма Бранскилл о DQN: «Реплей-буфер — ключ к прогрессу»
1ч 01м🔄 Эволюция Q-Learning: от уравнений Беллмана до алгоритмов DQN и Double DQN
1ч 18м🤖 От случайного блуждания до Q-Learning: как ИИ учится на своих ошибках
1ч 20м🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности
50 минАникайт из Стэнфорда: «Почему ваше Q-обучение нестабильно?»
1ч 07м🤖 Сергей Левин об эволюции обучения с подкреплением: от «бандитов» в ChatGPT до роботов-трансформеров
55 мин🧠 Как решать новые задачи в RL без переобучения: разбор Янника Килчера
46 мин🚀 Уэс Рот: «Gemini 2.5 Pro — это абсолютный зверь в кодинге»
35 мин🚀 Почему будущее ИИ за логикой (Reasoning), а не просто масштабом
1ч 07м⚖ Методы Offline RL: от имитации к оптимизации стратегий
39 мин🕹 Как ИИ от DeepMind научился играть в Atari: разбор классической статьи от Янника Килчера
26 мин🔄 Шмидхубер выворачивает ИИ наизнанку: детальный разбор концепции Upside-Down RL
1ч 13м🧠 Лекция Stanford CS221: От табличных методов к Actor-Critic
1ч 05м🔄 Лекция Стэнфорда о Reward Learning: как научить искусственный интеллект понимать человеческие цели
44 мин🎨 Даг Эк: как проект Magenta обучает нейросети искусству и музыке
1ч 56м🤖 Майкл Литтман: будущее ИИ и уроки обучения с подкреплением
2ч 55м🤖 Почему ИИ обманывает: инженерный подход к безопасности алгоритмов
1ч 06м🛠 Зачем Стэнфорд убрал классические задачи ради PyTorch и Einops?
12 мин🏗 [ML Olds] Meta Research Supercluster | OpenAI GPT-Instruct | Google LaMDA | Drones fight Pigeons
52 мин🧠 Профессор Челси Финн об основах глубокого обучения с подкреплением в Стэнфорде
1ч 08м🔄 Градиент стратегии и алгоритм REINFORCE: от робототехники до ChatGPT
1ч 12м✂ Как алгоритм ReBeL научился обыгрывать людей в покер с помощью теории игр
56 мин🤖 Как превратить обучение с подкреплением в задачу для GPT: разбор Decision Transformer
1ч 38м🤖 Дарио Амодеи об OpenAI, рисках AGI и о том, как попасть в индустрию безопасности ИИ
52 мин🤖 Исследователи из Университета Пердью обучили робота за рекордные сроки с помощью физических априоров дифференциальных уравнений
1ч 10м🎯 Профессор Стэнфорда разобрал ключевые вызовы и методологию исследований Deep RL
1ч 17м🧠 Стэнфордский профессор объяснил, как сэмплирование Томпсона спасает рекомендательные системы от задержек данных
1ч 13м🔄 От симуляции такси до ChatGPT: как максимизация энтропии и отзывы людей обучают современный ИИ
1ч 17м🔄 Лекция Стэнфорда CS221: основы байесовских сетей и вероятностное программирование
13 мин🚀 The AI Scientist: Как система от Sakana AI автоматизирует научные открытия за $15
18 мин🔄 Возвращение Сэма Альтмана и загадка Q-Star: что на самом деле произошло в OpenAI
1ч 55м🔬 Как Future House автоматизирует научные открытия с помощью ИИ-агентов
1ч 20м📊 Как ценовые роботы учатся монопольному сговору без человека
1ч 18м🎓 Как аналитический метод DPO изменил выравнивание LLM и столкнулся со взломом наград