NVIDIA 研究团队推出 PivotOPD：教 AI agent 避免早期错误并自我恢复
NVIDIA AI 官方账号发文介绍其研究团队提出的 PivotOPD 方法。据正文，该方法针对 AI agent 在任务早期犯错后一路沿错误方向继续的问题，在训练过程中由教师模型向 agent 展示更好的动作，并演示如何在后续几步内回到正确轨道。推文附论文与演示链接。
共 3 条快讯 · 门户最近更新
观点：后训练与RL时代开启，专用模型和数据飞轮比AGI更关键
作者omarsar0发文称，越来越多的公司和开发者开始意识到强化学习带来的商业机会；他认为对许多真实世界任务而言，并不需要AGI，而是需要合适的专用模型、运行框架（harness）和数据飞轮，并表示一个富有成果的后训练新时代正在到来，这一趋势正在全栈AI公司中发生并将持续增长。文中还引述Vincent Weisser的观点称"后训练/RL与推理正在接管算力"。以上为作者观点，未经独立核实。
Scale AI 开源 RL 环境框架 AgentEnv
Scale AI 宣布开源其 RL 环境框架 AgentEnv。该公司表示，其构建的所有强化学习环境均运行在 AgentEnv 之上，开源目的是让更多人能够构建供智能体学习的训练环境。