DeepMind 研究员 Ian Osband 牛津开讲：策略梯度的学习代价
IanOsband · x · 2026-10-12
DeepMind 研究员 Ian Osband 宣布将于 10 月 19 日周一下午 2 点在牛津大学数学系做报告《The Price of Learning》。核心论点：策略梯度（policy gradient）驱动了当代 LLM 后训练，但从学习理论的角度看，它可能是一种很糟糕的学习方式。演讲面向公众开放，他还半开玩笑地表示欢迎从相关实验室拉人来聊一天。
所属事件:DeepMind 后训练负责人将赴牛津演讲策略梯度局限(2 条相关)→
「研究」频道最新
- STOKE 用随机搜索超优化机器码,早期剪枝省算力 — lauriewired · 2026-10-13
- Meta 称 Muse Wonder Full 域外表现超 Muse Spark 趋势预期，归功更强底模 — AIatMeta · 2026-10-13
- ReplaySSM 进驻 GLM-5.3-Flash 与 Kimi-K3,解码最高提速 2.1 倍 — tri_dao · 2026-10-13
- DeepRSI 基准亮相:让 agent 连续干 48 小时 ML 任务衡量递归自我改进 — garrytan · 2026-10-13
- Datalab 发布公平 OCR 基准 OmniParseBench,主动放弃自榜第一 — VikParuchuri · 2026-10-13
- 研究:微型企业与个人发明者最积极用 AI 写专利申请 — robseamans · 2026-10-13