Sutton用1967公式修復流式強化學習
圖靈獎得主Sutton團隊提出Intentional Updates，使用1967年NLMS公式解決流式強化學習的步長不穩問題，無需回放緩衝區即可穩定訓練。該方法在MuJoCo與Atari任務上性能媲美SAC與DQN，計算效率高140倍。核心是指定輸出變化量反推步長。
Search
直接匹配不多，已補上最新動態。
Tag: #online-learning4 results
Bilibili「教 AI」熱潮
北航 90 後副教授何靜在 Bilibili 教授 AI，引發廣泛關注。相關內容爆紅後，她回應外界關注，並以「錯過種一棵樹最好的時間」反思及早開始的重要性。
AI 代理人正在完成整套線上大學課程
據報導，AI 代理人已能完成整套線上大學課程，包括觀看講課、回答測驗、撰寫論文及參與討論。大學正努力阻止這種擴大版的 AI 輔助作弊行為。
🔬
深入了解機器學習中的即時持續學習
本討論探討了即時持續學習的實際應用與產業案例。文中探討了醫療或法律等領域，是否能從即時學習的模型中獲益。
Codex 正縮小與 Claude Code 的差距
OpenAI 表示 Codex 活躍使用者已突破 2,000 萬，第三方追蹤數據則顯示其近期增速超越 Claude Code。Claude Code 目前規模仍較大且深受開發者採用，但隨著 Anthropic 接近早期市場飽和，其高速成長已經放緩。
🔬
腦機介面助患者重新站立與看見
中國多項臨床試驗正利用腦機介面，協助脊髓損傷患者站立與行走，並讓失明患者恢復有限的視覺感知。試驗結果差異很大，凸顯這項技術的潛力，以及目前在訊號採集、解碼與復健方面的限制。
Alibaba 重組 AI 與雲端業務
據報 Alibaba 正合併電商業務、整合雲端與晶片業務，並將 Qwen 拆分為獨立子公司。報導亦涵蓋 Unitree 計畫登陸科創板、Anthropic 據傳的年化營收，以及 Alibaba 持續投入 AI 對利潤與現金流造成的壓力。
Meta 因具成癮性的平臺設計面臨審判
California 與其他 28 個州指控 Meta 設計 Facebook 和 Instagram 使其具成癮性、違反兒童隱私法，並隱瞞相關做法。檢方將其涉嫌採取的策略概括為「吸引、留住、收集、隱瞞」。
Ox Alpha：神秘模型公開亮相
Ox Alpha 是一款透過 OpenRouter 與 OpenCode 提供的匿名模型，具備 100 萬 token 上下文、圖片與影片輸入、工具呼叫及免費使用等能力。早期測試顯示其推理與程式設計表現強勁，但開發者、參數量、訓練資料與正式基準排名仍未獲確認。
Cloudflare Agent Tracing 新增 Payload 控制功能
Cloudflare 推出 Agent Tracing，支援設定 Payload 截斷限制。不同支援的 Agent 框架在 Payload 預設記錄策略上有所差異，因此開發者在設定可觀測性時需要檢查各框架的個別設定。