自博弈训练能否突破上限?前 OpenAI 研究员称缺乏证据
Kangwook_Lee · x · 2026-09-26
前 Google 研究员 Rémi Leblond(syhw)讨论一款从零开始、纯自博弈(self-play)、不使用人类数据训练的游戏 AI,认为若把操作频率限制在峰值 500 APM/均值 300 APM,并增加 10 倍算力再训练,表现还会更强。
威斯康星大学教授 Kangwook Lee 回应表示怀疑:可能性不大,目前没有证据支持这种上限突破,并以 AlphaStar 为例。两位从业者在自博弈 + 人类约束 + 算力扩展能否持续提升上存在分歧。
所属事件:纯自博弈星际AI价值之争：syhw盛赞，Lee质疑(5 条相关)→
「研究」频道最新
- DeepMind 称 Gemini 智能体 4 周完成 Signal 加密协议数学验证 — Polymarket · 2026-11-11
- UniPath 被 NeurIPS 2026 接收：单模型自适应协调理解与生成 — jindong_wang92 · 2026-11-11
- 前 Astra 成员创业做 real2sim2real：机器人仿真光『看得真』不够 — abhishekunique7 · 2026-11-11
- Scale AI 1200+ 次训练对比 PPO 与 GRPO:小 batch 用 critic,大 batch 可省掉 — heghbalz · 2026-11-11
- 开源进程推进个性化胰腺癌疫苗:34 岁患者数据全公开征集专家意见 — jajoosam · 2026-11-11
- Ross Girshick 发布 CVPR 演讲幻灯片:复盘十五年目标检测史并衔接 LLM — CatAstro_Piyush · 2026-11-11