Search

直接匹配不多，已補上最新動態。

Tag: #ppo3 results

對抗式強化學習：多智能體系統中的 Critic 與 Actor 攻擊比較

研究人員對 SA-MDP 框架提出質疑，該框架聲稱基於 Critic 的攻擊弱於基於 Actor 的攻擊，但在多智能體 PPO 環境中的實證結果卻顯示相反。此討論凸顯了將單智能體對抗性研究應用於複雜多智能體場景時可能出現的差異。

這篇 arXiv 論文提出基於位元板優化的高效 Tetris AI 框架，比 OpenAI Gym-Tetris 快 53 倍。引入後狀態評估演員網路與緩衝優化 PPO，在 10x10 格子中 3 分鐘達成 3,829 分數。框架提供 Python-Java Gym 介面，便於 RL 整合。

ArXiv AIResearch•Mar 31#ppo

Hugging Face 發布 TRL v1.0，這是一個後訓練庫，即使 AI 領域推翻其基礎假設仍能持續運作。它支援如 RLHF 等穩健微調方法，應對快速進展。此穩定工具幫助開發者維持可靠模型對齊。

Hugging Face BlogOfficial•Mar 31#rlhf #ppo #dpo

量子位報導星海圖與產業夥伴共同討論具身智能從模型走向生產力的路徑。文章強調透過產業協作，推動具身智能真正落地到多個行業。

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。

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。

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。

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」。

The Guardian TechnologyMedia•2h ago#privacy #child-safety #platform-design

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 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。