科研人员已经通过在最大熵框架内增加一种本地Q值学习方法，改进了用于多代理强化学习的流行方法QMIX。这种新的改进方法可以使多代理模型在进行任务处理时，更加精确和高效。本地Q值学习方法的引入，使得每个代理都能...

MacroHFT是一种新的高频交易(HFT)方法，专门针对加密货币市场。这种方法利用强化学习来改进决策过程并提高盈利能力。传统的高频交易是一种算法交易，它的核心在于高速、大量地买卖证券，以获得微小的价格差异带来的...

Lyft团队采用在线强化学习技术，通过司机未来收入来奖励司机，从而实现司机与乘客的匹配优化。这种方法使得匹配过程能够实时显著改进，每年为乘客额外创造了大约3000万美元的收入。强化学习是一种机器学习技术，它通...

策略引导扩散（Policy-Guided Diffusion）是一种新颖的训练代理的方法，适用于离线环境。该技术通过创建与行为和目标策略都非常接近的综合轨迹，从而生成更加真实的训练数据。这不仅有助于提高离线强化学习模型的性...

近期，研究人员开发了一种名为提示自动编辑（Prompt Auto-Editing，简称PAE）的新技术，旨在提升基于文本生成图像的技术水平。该技术利用了Imagen和Stable Diffusion等扩散模型，通过在线强化学习动态调整文本提示中...

近日，GitHub上出现了一个新的项目LlamaGym，该项目专注于通过在线强化学习方法对大型语言模型（LLM）代理进行微调。大型语言模型在近年来取得了显著的进展，但如何进一步提升其性能，尤其是在特定任务上的表现，成...

Google DeepMind的Genie是一个基础的世界模型，通过在互联网视频上进行训练，可以从合成图像、照片甚至草图中生成各种可玩（动作可控）的环境。该模型使用了深度强化学习和生成式建模技术，可以为游戏开发、虚拟现实...

基于图扩散策略优化的药物设计增强了使用独特的强化学习技术的图生成模型，该方法承诺在创建复杂和多样化的图结构方面具有更好的性能，并可能在该领域树立新的标准。

Distilabel是为AI工程师设计的框架，使用人类反馈的强化学习方法（例如奖励模型和DPO）对大型语言模型进行对齐。 它主要专注于LLM微调和适应性。 Distilabel可协助数据收集，清洗和训练。

来自加州大学圣地亚哥分校(UCSD)的研究人员训练了人形机器人的动作，使其更具表现力、社交倾向和鲁棒性。他们在草地上的非编排舞蹈视频非常令人印象深刻。该研究团队使用了深度强化学习，让机器人能够快速学习和适应...