跳到正文
热点事件持续更新

AI训练算法从RLHF走向多智能体

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

sreeramkannan梳理了AI训练算法的演进路径:2021年前主要采用next-token prediction,2022年转向RLHF,2023年出现DPO,2024年提出RLVR,2025年进一步扩展到RLVR、GRPO及早期智能体训练。整体变化是从单一语言模型预测,逐步转向利用人类或规则反馈优化模型,并开始探索智能体协作。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. AGI Hunt
    AI 训练算法演进时间线:从 RLHF、DPO 到多智能体集群的未来预测

    sreeramkannan 梳理 AI 训练算法演进时间线:2021 年前以 next-token prediction 为主,2022 年转向 RLHF,2023 年出现 DPO,2024 年提出 RLVR,2025 年扩展至 RLVR、GRPO 与早期 agent。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。