Deep Dive
Shownotes Transcript
大家好 欢迎收听本期太快报 我是小爱大家好 我是小 T 今天我们要聊的五篇论文真是 AI 领域的宝藏涵盖了语言模型 机器人控制和统计评估的最新进展
我会尽量用通俗的语言把这些研究的精华讲给大家听太好了 那我们先从第一个研究开始吧我听说有个叫 Ladder 的方法能让 AI 自己学会解数学题 真的吗没错 这个研究提出了一个叫 Ladder 的框架意思是通过自主难度驱动的例子递归学习简单说就是让 AI 像学生一样从简单的数学题入手 逐步挑战难题
比如解计分题,AI 会自己把一个复杂的题目分解成小块,然后一步步练习自己检查答案对不对,最后掌握复杂问题的解散。自己检查答案,他怎么知道自己做的对不对?他用了一种数值验证的方法,就像用计算机检查一道题的结果,AI 会把自己的答案带回去,看看能不能对得上。
这种方式完全不需要人类帮忙结果呢一个普通的模型本来只能解 1%的大学积分题用了 Ladder 后正确率飙到 82%甚至在 MIT 的积分比赛中超过了更强大的模型达到了 90%哇 这简直是 AI 版的自学成才那它还能用在别的地方吗当然可以只要问题有明确的验证方式比如编程或逻辑推理 Ladder 都能派上用场
这让我想到一个问题,如果 AI 都能自己设计学习计划,未来我们是不是也能用类似方法帮学生更高效的学习呢?真是个有趣的设想。接下来第二个研究好像是说强化学习在 AI 训练中的价值,对吗?是的,这篇论文叫 All Roles Lead to Likelihood,它研究的是为什么一种叫强化学习结合人类反馈的方法比直接用数据训练效果更好。
想象一下在教一 I 协作直接给他一堆范围让他模仿是一种办法但如果先教他分辨好坏再让他根据反馈改进就像老师先教评分标准再改作文效果会更好为什么这样会更好呢研究发现有时候 AI 生成内容很难
明白了
那第三个研究呢我听说跟机器人有关还能摸东西对这篇是 reactive diffusion policy 研究的是机器人如何像人一样用视觉和触觉完成复杂的操作比如剥水果皮或擦桌子他们设计了一个叫 tech tire 的系统用增强现实技术让操作员远程控制机器人还能实时感受到触觉反馈触觉反馈机器人也能有手感了
是的,他们还提出了一个慢快策略,慢是指提前规划动作,就像决定先拿刀再切菜。快是指根据实时触觉微调,比如感觉到水果皮太硬,就加点力。这种方法让机器人在接触任务中表现提升了 35%以上,比只用视觉的机器人灵活得多。
未来这种技术可能用在手术机器人或工业装配线上太酷了第四个研究好像有点不一样是关于怎么评估 AI 的没错标题是 Don't let he use the collecting ELL evils with fewer than a few hundred data points 他提醒我们评估 AI 时别盲目用一种长的统计方法中心极限定理尤其当数据量少于几百个时为什么不能用呢
因为这个方法假设数据多到一定程度结果会趋于稳定但如果只有几十个测试题它会低估不确定性让以为 AI 很稳定其实结果可能不靠谱他们建议用另一种叫贝叶斯方法的统计方式能更准确地反映 AI 的真实水平这就像考试不能只看几次小测就判断一个学生的好坏的综合更多信息才公平有道理最后一个研究好像是优化 AI 内存的
是的叫 QFilters 研究怎么让 AI 在处理长文章时更省内存 AI 聊天时会记住之前的对话但内容一长内存就吃不下了 QFilters 用一种简单的方法根据对话的关键点把不重要的记忆过滤掉能压缩 32 倍内存还几乎不影响效果 32 倍这也太厉害了吧是怎么做到的他们发现 AI 处理信息时有些规律可以用几何方式抓住
不需要复杂计算就能判断哪些内容重要比如在一堆对话中找关键信息它能精准保留重点丢掉无关的废话这让我想未来我们的手机 AI 助手是不是也能更高效的记住重要的事真是个贴近生活的想法今天聊了这么多感觉 AI 真是越来越像人了会自己学习摸东西优化自己你觉得这些研究对我们的生活会有什么影响
我觉得这些研究都在让 AI 更聪明也更实用比如 Ladder 可能让教育工具更个性化机器人触觉能帮我们干更精细的活内存优化则让 AI 助手跑得更快更省电不过也有挑战比如这些技术怎么普及怎么控制成本都是未来要解决的
说的好看来 AI 的未来既有无限可能也有不少问题值得思考好了今天的太快报就到这里感谢的精彩讲解也谢谢大家的收听我们下期再见下期见拜拜