OpenAI 支持者

欢迎新捐赠者加入OpenAI。

中文标题：为AI的恶意使用做好准备

中文摘要：合著论文预测AI被恶意滥用的方式及预防缓解措施，历时近一年与多家机构合作完成。

可解释机器学习：通过教学实现

让AI通过最具信息量的例子互相教学，实验证明该方法能有效教授概念。

发现用于实体消歧的类型

通过神经网络判断词是否属于自动发现的约100个类型，从而自动消歧实体。

研究请求2.0

OpenAI发布七个研究过程中遇到的新难题。

将Kubernetes扩展到2500个节点

介绍将Kubernetes集群扩展至2500个节点的架构、挑战与解决方案。

块稀疏GPU内核

发布高度优化的块稀疏GPU内核，速度远超cuBLAS，用于文本情感和生成建模获最优结果。

通过L0正则化学习稀疏神经网络

利用L0正则化直接优化网络稀疏性，实现高效紧凑模型。

可解释且教学性的例子

提供兼具模型决策解释与教学功能的示例，帮助理解复杂过程。

学习层级结构

提出分层强化学习算法，学习高级动作，快速解决导航任务，发现行走和爬行等行动。

从模拟中泛化

最新机器人技术使模拟训练的控制器在实体机器人上对环境变化做出反应，实现闭环系统。

基于动力学随机化的机器人控制仿真到现实迁移

通过随机化动力学参数，使机器人控制策略从仿真有效迁移到真实环境。

基于图像的机器人学习的非对称演员-评论家

提出非对称架构分离策略与价值网络，提升基于图像机器人学习的样本效率。

领域随机化与生成模型在机器人抓取中的应用

暂无摘要

元学习在摔跤中的应用

元学习代理能快速击败更强对手，并适应物理故障，展现强大适应能力。

竞争性自我对弈

自我对弈使AI自动习得复杂物理技能，动态调整难度，将成为未来强大AI系统的核心。

深度线性网络中的非线性计算

无摘要内容

学习建模他人心智

LOLA算法考虑对手学习，在囚徒困境中发现自私协作策略，向建模他人心智迈进。

具有对手学习意识的学习

LOLA算法让智能体学习时考虑对手的学习动态，从而在互动博弈中实现更优协作。

OpenAI基准：ACKTR与A2C

发布ACKTR与A2C算法。A2C为A3C同步变体，性能相同；ACKTR样本效率更高，计算量略增。

更多关于Dota 2

自我对弈在足够算力下使AI从远低于人类提升至超人类水平，数据随能力自动改进。

Dota 2

通过自我对弈击败Dota 2顶级职业选手的AI，无需模仿或树搜索，迈向复杂现实场景。

收集人类反馈

RL-Teacher开源实现通过人类反馈训练AI，替代手工奖励函数，促进安全AI并解决难指定奖励问题。

利用参数噪声实现更好的探索

给强化学习参数加自适应噪声可提升性能，简单有效且不降性能，值得一试。

近端策略优化

PPO是一种简单易用、性能优异的强化学习算法，已成为OpenAI默认算法。

鲁棒性对抗输入

我们创建的图像能在多尺度、多角度下欺骗神经网络，反驳了自动驾驶汽车难以被恶意欺骗的说法。

事后经验回放

一种通过重新标记失败轨迹中的目标来从失败中学习，显著提升样本效率的强化学习方法。

师生课程学习

教师-学生课程学习利用教师模型动态规划课程，引导学生高效学习，提升泛化性能。

Python高速物理模拟

开源基于MuJoCo引擎的高性能Python机器人仿真库，经过一年研发。

Learning from human preferences

Learning to cooperate, compete, and communicate

基于Q-集成的UCB探索

未提供摘要

OpenAI 基线库：DQN

OpenAI开源强化学习算法复现库，今日发布DQN及其三个变体。

会学习的机器人

完全在模拟中训练，部署到物理机器人，看一次示范即可学会新任务。

Roboschool

发布与OpenAI Gym集成的开源机器人模拟软件Roboschool。

策略梯度与软Q学习的等价性

证明策略梯度与软Q学习在数学上等价，统一了强化学习的两种方法。

用于层次强化学习的随机神经网络

随机神经网络通过引入随机性，有效提升层次强化学习中的探索与决策效率

无监督情感神经元

仅通过预测下一个字符，无监督系统便学得极佳的情感表示，效果惊艳。

物理世界中的垃圾信息检测

全球首个完全在模拟中训练并部署于实体机器人的垃圾信息检测AI。

进化策略作为强化学习的可扩展替代方案

进化策略与强化学习性能相当，但克服了后者诸多不便，是可扩展的替代方案。

单次模仿学习

从单个演示中学会任务模仿，大幅降低样本需求。

蒸馏

支持发布致力于出色传播机器学习成果的新型期刊Distill。

学习交流

OpenAI新研究：智能体自行发展语言。

多智能体群体中接地组合语言的出现

多智能体种群通过交互自发涌现出基于现实世界的组合语言。

基于时间片段模型的预测与控制

无摘要

第三人称模仿学习

通过第三人称视角观察他人行为进行模仿学习的方法。

用对抗性样本攻击机器学习

对抗性样本是故意让模型出错的输入（类似机器视错觉），本文展示其原理并讨论防御难点。

对神经网络策略的对抗攻击

团队更新

OpenAI团队45人，共同推动AI前沿：验证新想法、构建软件系统、部署机器人机器学习。

PixelCNN++：使用离散化逻辑混合似然及其他改进提升PixelCNN

提出离散化逻辑混合似然，简化架构，提升图像生成质量与速度。