OpenAI LP

OpenAI创立利润上限公司，加速投资计算和人才，并设制衡以实现使命。

介绍激活图谱

激活图谱可可视化神经元交互表征，帮助理解AI决策过程，识别弱点并调查失败。

神经MMO：一个大规模多智能体游戏环境

发布神经MMO，支持大量可变智能体，促进探索、生态位分化和整体能力提升。

深度强化学习入门：研讨会回顾

OpenAI新教育计划首次深度强化学习入门研讨会于2月2日举行。

AI安全需要社会科学家

长期AI安全需社会科学家参与，解决人类理性、情感与偏见的不确定性，促进跨学科合作。

更好的语言模型及其启示

大型无监督语言模型无需任务特定训练，即可在多项语言基准中达到顶尖性能。

鲁棒分类中的计算限制与双赢结果

分析了鲁棒分类的计算限制，提出了双赢解决方案。

OpenAI研究员计划2018年夏季：最终项目

首批OpenAI研究员完成6个月学徒，从机器学习新手成长为核心贡献者。

How AI training scales

Quantifying generalization in reinforcement learning

深度强化学习入门

发布深度RL入门资源，含清晰代码、练习、文档与教程，助任何人成为熟练实践者。

使用能量函数学习概念

开发能量模型，五次演示即学会2D点集概念（接近、上方等），并迁移至3D机器人任务。

在线规划，离线学习：基于模型的控制实现高效学习与探索

通过将在线规划与离线学习结合，利用模型控制提升自主探索效率，实现数据高效学习。

基于预测奖励的强化学习

随机网络蒸馏通过好奇心驱动探索，首次在蒙特祖玛的复仇中超越人类平均水平。

Learning complex goals with iterated amplification

OpenAI 2019年学者计划：申请开放

OpenAI为弱势群体提供3个月全额资助，深度学习并开源项目。

OpenAI 2019冬季研究员与夏季实习生项目

OpenAI 2019年度研究员和实习生项目现已开放申请。

FFJORD：用于可扩展可逆生成模型的自由形式连续动力学

提出自由形式连续动力学框架，实现可扩展的可逆概率生成模型。

OpenAI 2018年学者项目：最终项目

OpenAI首期学者项目完成，学员展示最终成果。

国际邀请赛2018：结果

OpenAI Five在TI8对阵顶级Dota2玩家两局落败，前20-35分钟均保持赢面。

好奇心驱动学习的大规模研究

无摘要信息

OpenAI Five基准测试：结果

OpenAI Five在直播中击败了Dota2顶级职业玩家团队。

学习灵巧性

训练类人机械手以空前灵巧度操控物体。

变分选项发现算法

OpenAI 2018 年学者计划：认识我们的学者

首批OpenAI学者计划已启动，跟随经验丰富的软件开发者转型机器学习从业者。

OpenAI Five 基准赛

OpenAI Five 基准赛已结束。

Glow：更好的可逆生成模型

Glow使用可逆1x1卷积，生成高分辨率图像，高效采样，发现并操控数据属性特征。

从单次人类演示中学习《蒙特祖玛的复仇》

通过单次演示和PPO算法，智能体在《蒙特祖玛的复仇》中取得74500分，创下新纪录。

OpenAI五人组

OpenAI五个神经网络组成的团队已开始在Dota2中击败业余人类玩家。

回顾竞赛：结果

回顾竞赛首轮完成，聚焦从先前经验泛化的算法。

多智能体系统中的策略表示学习

学习多智能体系统中策略的表示方法。

通过无监督学习提升语言理解

结合Transformer和无监督预训练，构建任务无关系统，在多项语言任务取得最佳结果并开源。

GamePad：一个用于定理证明的学习环境

GamePad是一个交互式学习环境，旨在辅助定理证明技能的掌握。

2018年秋季OpenAI研究员项目

OpenAI正在招募下一批研究员，提供6个月带薪AI研究学徒机会。

Gym Retro 平台

发布完整版Gym Retro，游戏超千款，并推出新增游戏工具。

人工智能与算力

自2012年AI训练算力每3.4个月翻一番，增长超30万倍，需为远超当前能力的系统做好准备。

通过辩论实现AI安全

提出训练AI互相辩论、由人类裁判胜负的安全技术。

演化策略梯度

演化智能体损失函数的元学习方法，实现快速适应新任务，如完成训练时未见的导航任务。

必须快速学习：强化学习中泛化性的新基准

提出新基准，评估强化学习算法快速泛化到新环境的能力。

复古竞赛

发起迁移学习竞赛，衡量强化学习算法从先前经验中泛化的能力。

基于行动依赖分解基线的策略梯度方差缩减

行动依赖分解基线降低策略梯度方差

OpenAI黑客马拉松报告

3月3日，OpenAI举办首次黑客马拉松，100名AI社区成员参与。

使用最优传输改进生成对抗网络

无摘要内容

关于一阶元学习算法

综述一阶元学习算法的原理、改进及在少样本学习中的应用。

Reptile: 一种可扩展的元学习算法

Reptile通过重复采样任务和更新初始参数实现高效元学习，计算性能与一阶MAML相当。

OpenAI 学者计划

OpenAI为少数群体提供3个月深度学习奖学金，资助并指导开源项目。

关于通过元强化学习进行探索学习的一些思考

探讨了元强化学习中学习探索策略的关键问题与考量。

机器人研究的关键要素

发布8个模拟环境及HER基线实现，用于训练实体机器人模型，并提炼研究需求。

多目标强化学习：挑战性机器人环境与研究请求

多目标强化学习在机器人领域面临挑战并呼吁深入研究。

OpenAI黑客马拉松

3月3日周六，OpenAI旧金山办公室举办演讲与黑客马拉松。