卡内基梅隆大学

效果更稳定，实现更简单。 大型语言模型（LLM）的成功离不开「基于人类反馈的强化学习（RLHF）」。RLHF 可以大致可以分为两个阶段，首先，给定一对偏好和不偏好的行为，训练一个奖励模型，通过分类目标为前者分配更高的分数。然后通过某种强化学习算法优化这个奖励函数。然而，奖励模型的关键要素可能会产生一…

cmu和eth zurich团队合作开发了名为”敏捷但安全”（abs）的新框架，为四足机器人在复杂环境中实现高速运动提供了解决方案。该框架不仅在避免碰撞方面表现出高效能力，而且实现了前所未有的3.1毫秒极速运动。这一创新为足式机器人领域带来了新的进展。 在高速机器人运动领域，…