N
人間のフィードバックを収集する
OpenAIが、人間からのフィードバックでAIを訓練するオープンソースツール「RL-Teacher」を公開しました。
AI&Tech、もう追いかけなくていい。
30秒で読めるニュースダイジェスト
最新ニュース
7110件
N
パラメータノイズによる探索の改善
強化学習アルゴリズムのパラメータにノイズを加えることで性能が向上することが発見されました。
N
近接方策最適化 (PPO)
OpenAIが実装と調整が容易な強化学習アルゴリズムPPOを公開しました。
N
堅牢な敵対的入力
OpenAIが様々な視点やスケールから見てもAIを騙せる画像を開発しました。
N
Hindsight Experience Replay
強化学習において、失敗した経験からも学習を可能にするHERが開発されました。
N
教師と生徒のカリキュラム学習
OpenAIが、教師モデルが生成したカリキュラムで生徒モデルを効率的に訓練する手法を発表しました。
N
Pythonでより高速な物理シミュレーション
OpenAIがロボットシミュレーション用の高性能Pythonライブラリをオープンソース化しました。
N
人間の好みを学習する
AIが人間の望む行動を、2つの選択肢からより良い方を選ぶだけで学習するアルゴリズムが開発されました。
N
協力、競争、コミュニケーションの学習
OpenAIがAGIへの道としてマルチエージェント環境での学習の重要性を強調しました。
N
QアンサンブルによるUCB探索
強化学習において、Qアンサンブルを用いてUCB（Upper Confidence Bound）探索を効率化する手法が提案され…
N
OpenAI Baselines: DQN
OpenAIが強化学習アルゴリズムの再現実装「OpenAI Baselines」をオープンソース化しました。
N
学習するロボット
シミュレーションで学習したロボットが、一度見ただけで新しいタスクを習得しました。