RLChina
RLChina 是由国内外强化学习学者联合发起的民间学术组织，主要活动包括举办强化学习线上公开课、强化学习线上研讨会等，旨在搭建强化学习学术界、产业界和广大爱好者之间的桥梁。
评论(11)
请
登录后发表观点
-
这几天听各位老师的课都非常精彩，但是有个困惑，大家都在讨论 GPT 模型的决策能力。我们都知道 GPT 模型是做语言模型的，确实不擅长决策，今天测试 GPT4，在推理和决策方面比 3.5 已经强大了很多，但依旧不是完全不会出错。但换一个角度思考，人类大脑本身语言艺术和计算决策也是不同大脑负责的，GPT 擅长的是 NLP，如果已经可以很清晰的理解问题，那就直接调用已经有的算法就好了，比如 GPT 发现在下围棋，那就交给 alphaGo 即可，没必要让 GPT 做个全能的 AI。不知道老师怎么想？
语言是人类思维的一个载体，语言表达的内容，其实有相当一部分与决策有关。语言诞生的目的，是原始人类把捕猎、救援等关键信息传递给队友，这些信息之所以关键，通常都跟决策有关。所以自然大家会关注 GPT 生成语言的逻辑性、推力能力等等。调用其他模型/API 去完成任务，也是下一步大模型的一个发展方向。
-
在说非专家动作配非专家行为其实效果还行的那个实验里，是否能说明对于 offline rl 而言，策略的重要性 比 在给定策略下所遇到的状态分布 更重要？
说明我们对数据的选择要针对策略来进行
-
俞扬老师您好，我想请问一下您如何看待 diffusion 模型和强化学习的结合。diffusion 也是一个随机过程，这一点和强化学习不谋而合，我们能否通过 diffusion 算法去生成行为呢？
-
这几天听各位老师的课都非常精彩，但是有个困惑，大家都在讨论 GPT 模型的决策能力。我们都知道 GPT 模型是做语言模型的，确实不擅长决策，今天测试 GPT4，在推理和决策方面比 3.5 已经强大了很多，但依旧不是完全不会出错。但换一个角度思考，人类大脑本身语言艺术和计算决策也是不同大脑负责的，GPT 擅长的是 NLP，如果已经可以很清晰的理解问题，那就直接调用已经有的算法就好了，比如 GPT 发现在下围棋，那就交给 alphaGo 即可，没必要让 GPT 做个全能的 AI。不知道老师怎么想？
- 在rl里面是否会出现如chatGPT、GPT-4类似的大模型一统所有benchmark？使得时序差分类的方法被时代淘汰？
-
在说非专家动作配非专家行为其实效果还行的那个实验里，是否能说明对于 offline rl 而言，策略的重要性 比 在给定策略下所遇到的状态分布 更重要？
- 老师，请问老师如何看待gpt4，对未来强化学习的发展会产生什么影响
-
俞扬老师您好，我想请问一下您如何看待 diffusion 模型和强化学习的结合。diffusion 也是一个随机过程，这一点和强化学习不谋而合，我们能否通过 diffusion 算法去生成行为呢？
-
欢迎大家留言提问
