強化學習

2024圖靈獎頒發給Andrew Barto與Richard Sutton，表揚兩人建立強化學習核心理論與演算法，推進人工智慧自主決策實務應用

中國DeepSeek釋出推論模型DeepSeek-R1，採用強化學習技術，突破傳統監督微調對大規模標註資料的依賴，在數學與程式開發測試中表現出色，部分領域已接近或超越OpenAI o1模型

人類回饋強化學習（RLHF）是當今LLM的重要訓練方法，但DeepMind新演算法ReST可免去人為介入；Hugging Face發布圖文通吃的多模態模型；文字、語音都能懂！Meta開源多語言翻譯模型；微軟在Excel加入Python支援；資料不外洩！Hugging Face推出企業級自託管程式開發助手

中研院資訊科學研究所研究員古倫維分享中研院假新聞研究成果，團隊以自然語言處理（NLP）、強化學習等技術，來辨識新聞內容、規畫最佳投放正確資訊的時機點，要給接觸假新聞的讀者正確資訊，打造為一套實驗平臺來打擊假新聞，最快今年上線。

DeepMind所發布的RGB-Stacking基準測試，提供技能掌握以及技能泛化兩種難度的堆疊任務，而DeepMind的機器人已經可以在真實世界的技能掌握任務，達到82％的成功率

Google用強化學習來自動進行晶片佈局規畫，產生晶片平面圖，6小時內就能完成、比人類數個月還要快，Google也用這個方法研發下一代TPU v5；Google雲端調查發現，全球製造業將三分之一IT支出花在AI上；ML推理引擎ONNX Runtime 1.8支援網頁AI推理了！

DeepMind最新研究論文描述新設計的後設學習（Meta learning）架構，透過與環境互動來產生強化學習演算法，團隊也將生成的演算法用於Atari遊戲，達到非平凡等級；知名動畫公司皮克斯用GAN來產生超高解析度電影畫面，降低算圖農場的運算負荷；微軟鎖定零售業，推出Dynamics 365防詐欺新功能。

微軟亞洲研究院發表CodeBERT模型，可理解自然語言和6種程式語言，包括Ruby、Java、JavaScript、Python、Go、PHP等，能用自然語言來查詢程式碼，也可以建立程式碼文檔；另一方面，DeepMind釋出兩款JAX函式庫Haiku和RLax，要來提升強化學習的實作；而由微軟共同創辦人成立的艾倫AI研究院AI2，發表了電腦視覺模型評比工具