DeepMind 后训练负责人将赴牛津演讲策略梯度局限

Google DeepMind 后训练科学团队负责人 Ian Osband 宣布将于 10 月 19 日下午 2 点在牛津大学数学研究所（数学系）发表题为《The Price of Learning（学习的代价）》的演讲。其核心观点是策略梯度是一种很糟糕的学习方式，他将从学习代价的角度阐述这一强化学习方法的局限性，引发业界对后训练与强化学习范式的关注。

2026-10-12 ~ 2026-10-12 · 2 条相关