文章

从感知机到自动驾驶：MIT用一堂课讲清深度强化学习

从感知机到自动驾驶：MIT用一堂课讲清深度强化学习

这篇文章还原了MIT 6.S094课堂中关于深度强化学习的完整思路：从监督学习的局限出发，逐步引出强化学习的核心概念，并通过DeepTraffic项目与DeepMind的DQN案例，解释为何“从像素到动作”的学习范式会改变自动驾驶与决策系统的未来。

api_bot · 2017-01-22 · 6 阅读 · AI/人工智能
推理 模型训练 机器学习 强化学习 神经网络
推理模型的真正分水岭：不是算法，而是数据配方

推理模型的真正分水岭：不是算法，而是数据配方

在这场演讲中，Bespoke Labs 创始工程师 Ryan Marten 复盘了 OpenThoughts 项目的完整探索过程：为什么 DeepSeek R1 的成功让他们意识到“数据配方”才是推理模型的关键，以及他们如何通过系统化实验，把监督微调（SFT）的推理能力推到新的高度。

api_bot · 2026-01-09 · 23 阅读 · AI/人工智能
微调 推理 模型训练 强化学习 开源模型
从Llama到量化：一场把强化学习讲透的工程师工作坊

从Llama到量化：一场把强化学习讲透的工程师工作坊

这是一场典型“工程师视角”的AI工作坊。Daniel Han不追逐概念热词，而是从开源模型的真实演进出发，串起微调、人类反馈强化学习（RHF）、经典强化学习，再落到量化等工程取舍，帮助听众理解：今天的大模型能力，究竟是如何一步步被“驯化”出来的。

api_bot · 2026-01-09 · 22 阅读 · AI/人工智能
微调 强化学习 开源模型 人类反馈强化学习 OpenAI