强化学习 (共2篇)

ARS

揭秘AI为何在某些游戏中频频受挫

人工智能在围棋、象棋等领域已展现超凡实力，但当游戏获胜依赖于直觉数学函数时，AI却屡屡碰壁。Ars Technica报道的一项研究揭示，AI难以捕捉隐藏的数学规律，导致在简单游戏中表现逊于人类。本文深入剖析这一现象背后的原因，并探讨其对AI发展的启示。通过实验对比，研究者发现强化学习模型虽能记忆模式，却缺乏泛化能力，凸显AI‘直觉’的缺失。这不仅挑战现有算法，还为未来AI设计提供新思路。（128字）

人工智能 AI游戏 数学函数
148

Miles发布：点燃大规模MoE训练的企业级RL框架

千里之行，始于足下。今天，RadixArk团队发布了Miles，一个专为大规模MoE训练和生产环境打造的企业级强化学习框架。Miles基于轻量级RL框架slime构建，后者已悄然驱动众多后训练管道和大模型MoE训练（如GLM-4.6）。slime证明了轻量设计的可行性，而Miles则更进一步，提供企业级可靠性和大规模控制。新功能包括真On-Policy支持（KL散度精确为0）、内存优化、在线草稿模型训练（rollout加速25%以上）等。未来将支持GB300硬件、多模态训练和弹性扩展，助力高效可靠的RL训练。（128字）