筛选结果
5 篇排序
2:06:16ZH
Zhang Xiaojun Podcast· 2025年11月28日播客 · 2 人对谈谭捷：机器人通用智能的瓶颈在数据，通用形态仍需时间嘉宾 谭捷 · 主持 张小珺Google DeepMind 机器人研究科学家谭捷回顾了从计算机图形学到机器人、从强化学习到 Gemini Robotics 的研究路径。他认为机器人基础模型尚未成为独立学科，数据规模与覆盖度、跨本体迁移、实时推理和安全仍是走向真实应用的关键。
2:49:35ZHZhang Xiaojun Podcast· 2025年2月4日播客 · 2 人对谈潘嘉怡解读 R1、o1 与 Kimi K1.5：强化学习如何教模型学会推理嘉宾 潘嘉怡 · 主持 张小珺伯克利博士生潘嘉怡带读 DeepSeek、OpenAI 与 Kimi 的推理模型报告，拆解长思维链、GRPO、奖励设计与蒸馏。R1-Zero 的“顿悟时刻”展示了推理策略如何在强化学习中涌现。
39:05ZHZhang Xiaojun Podcast· 2024年9月25日播客 · 2 人对谈王小川：o1、强化学习与从快思考走向慢思考嘉宾 王小川 · 主持 张小珺百川智能创始人解读 o1 的可能技术路径，讨论强化学习、医疗场景和创业公司的选择。
1:27:02ZHZhang Xiaojun Podcast· 2024年9月5日播客 · 3 人对谈广密：Self-play RL 可能开启 AGI 的新 Scaling Law嘉宾 广密 · 主持 张小珺广密认为，纯靠语言预训练扩展模型的边际收益可能正在减弱，self-play 强化学习是更值得押注的新路径。它能否泛化到代码、视频、机器人和更广的领域，将决定下一阶段的 AGI 竞赛。
1:07:10ZH
跟李沐学AI· 2022年12月29日InstructGPT 论文精读：从人工反馈到语言模型对齐从监督微调、奖励模型到 PPO，梳理 InstructGPT 的训练流程、实验结果与局限。