DeepMind团队提出了一种全新的方法，通过多代智能体在不同环境中进行交互，成功实现了强化学习规则的自主发现。他们开发的DiscoRL系统在多个基准测试中展现出了惊人的实力。在经典的Atari游戏测试中，该系统训练出的Disco57规则以13.86的四分位数平均值（IQM）超越了目前主流的算法，如MuZero和Dreamer等。此外，DiscoRL在运算效率上也显著优于同类技术。 更值得一提的是 ...

在Alexandr Wang看来，AI大模型是一种全新的计算机，而「提示工程师」，就相当于给它编程的程序员。如果能通过提示工程找出合适的提示词，就会激发AI的最大潜力。

除了前述机构，跟投名单上还出现了硅谷最大牌的天使投资人：亚马逊创始人贝索斯、前谷歌CEO施密特、AI领域传奇人物杰夫·迪恩、硅谷投资人埃拉德·吉尔等等，连NVIDIA也透过旗下基金NVentures站台助威。

Google DeepMind 团队近期在《自然》杂志上发表了关于 DiscoRL 算法的突破性研究，该算法实现了 强化学习 (RL) 规则的自主发现，并在多项基准测试中展现出超越人工设计算法的卓越性能。这一进展预示着 AI 领域正经历着从人工设计向自动发现的范式转变，或将重塑未来高级 AI 系统的核心算法。

DeepMind宣布与伦敦大学学院（UCL）合作，共同推出了一套免费的 “AI研究基础”（AI Research Foundations） 课程 这套课程现已在Google ...

在效率维度，DiscoRL展现出显著优势。最优版本仅需在每个Atari游戏进行约6亿步训练（相当于57个游戏3轮实验），即可发现高性能规则。相比之下，传统人工设计方法需要数十倍实验次数和人力投入。这种效率提升源于算法对计算资源的智能利用——随着参与训练的环境数量增加，系统在未知测试场景中的表现呈指数级增长。

A：Torax是DeepMind专门为核聚变开发的软件程序，用于模拟Sparc反应堆内燃烧的等离子体，帮助找出如何正确控制等离子体的方法。该软件将与其他AI模型协同使用，以找出实现聚变的最佳方式。

人工智能（AI）的主要目标之一，是设计出能够像人类一样在复杂环境中自主预测、行动、最终实现目标的智能体（Agent）。智能体的训练离不开强化学习（RL），相关研究也已经持续了几十年，但 让智能体自主开发高效的 RL 算法的目标始终难以实现 。

谷歌 DeepMind 的最新研究试图打破这一现状，他们受到大型语言模型微调中强化学习阶段成功经验的启发，提出了一种面向机器人学的两阶段后训练方法，第一阶段是监督微调（Supervised Fine-Tuning, SFT），第二阶段是自我提升（Self-Improvement）。

近日，能源初创公司英联邦聚变系统（Commonwealth Fusion Systems， CFS）宣布与谷歌的 DeepMind 部门合作，利用人工智能技术优化其即将上线的 Sparc 核聚变反应堆的运行。这一合作将通过 DeepMind ...

DeepMind亏损仍在继续。 近日，这家世界顶级明星公司向英国公司注册局备案提交了最新财务报告，报告显示，DeepMind 2019亏损达4.77亿英镑（约合42亿人民币）。 相比于2018年的4.70亿英镑亏损，增长了1.5%。 DeepMind是一家人工智能初创公司，成立10年来研发了众多明星 ...

在此基础上，本文提出了一个通用自适应攻击框架（General Adaptive Attack Framework），并采用几种通用的优化方法（比如梯度下降、强化学习、随机搜索和人类辅助探索）进行系统化调整，结果成功绕过了 12 ...