面向openai的meta -aim仍在进行中！这可能是扎克伯格（Zuckerberg）狩猎的最强大的技术人才。刚才，来自外国媒体连线的AI高级记者说：“几个消息来源证实，Openi Jason Wei研究人员和另一位Hyung Won Won Won Won Chung Research Grocidist将放弃加入这两个目标。此外，他们的宽松叙述也取消了机器的心脏。关于这不是新闻的新闻，但不是新闻，但这并不是新闻的新闻，但不是新闻，但不是新闻，但不是新闻，但不是新闻，但不是新闻，但在新闻的新闻中并不是新闻，但不是新闻，但不是新闻，但不是新闻，但它是新闻，但事实并非如此，但事实并非如此，但事实并非如此，但事实并非如此，但事实并非如此，但事实并非如此。，但这不是新闻，但不是新闻，但不是新闻。目标。杰森·韦（Jason Wei）最后。完成工作。被环境奖励。这是关于学习的。显然，当模仿学习以批准速度而不是零的速率导致模型时，它很有用，但是一旦模型可以留下合理的轨迹，完全利用模型本身强度（与人类不同）的最佳方法是只学习自己的旅行。一个广泛接受的例子是，在培训语言模型中解决数学应用问题的问题，互补学习比仅仅监督人类编写的思维链中的调整要好。同样适用于生活。最初，我们通过模仿学习（教育）来指导自己。这是非常合理的。但是即使毕业后，我仍然有习惯：研究其他人如何获得IT并尝试模仿他们。有时它有效，但最后我意识到我不能完全克服他人，因为别人玩机智他们的优势我无法拥有。这可能是一个研究人员，他试图以勇气（执行流浪），因为我没有这样做，因为我建立了代码基础。 o没有AI的例子：足球运动员不必保留我的财产。 RL在同一策略中带来的启示是，它必须遵循自己的道路，冒险并从环境中获得奖励，以克服其前辈。例如，我更喜欢对普通研究人员做两件事。 （1）回顾大量数据和（2）进行消融研究，以了解系统在系统中的作用。当我收集数据集时，我花了几天的时间来审查数据并向每个人类评分者提供个性化评论，这为我提供了很高的数据质量，并获得了有关他试图解决的任务的可消除信息。今年早些时候，我在详细调查时尝试了一个月的后坐力和脱落。这花了很长时间，但是这些实验我学到了独特的经验，即它们运作良好的RL类型。我对自己的激情感到更加满意。现在，我觉得我正在为我和我的研究开放一个更强大的世界。简而言之，模仿是好的，您必须在早期阶段做到这一点。但是，一旦完成足够的方向，如果您想克服前任，则必须通过相同的策略实施强化学习，根据自己的优势发挥作用并避免劣势。接下来，让我们看一下这两位研究人员的课程。 Jason Weijoson Wei是第一位“促进大型语言模型推断”和“鼓舞人心的思想”的作者，后来从本科学习毕业并加入Google。在那里，他在合作社中提倡了一系列的思想和文档概念，并在与Yi Tay，Jeff Dean和其他人的模型外观有关的文档上进行了早期作品。 2023年2月，杰森·韦（Jason Wei）加入了Openai，他的研究包括DES O1推理模型和详细的研究模型。在Google Scholar主页上，Jason Wei的纸质约会超过77K，前两个是快速文件和技术报告GPT-4。 Hyun Won Chung Kyung-Kyung Wong Chung出生于韩国，是一位开放研究科学家，专注于LLM的研究和应用。他毕业于麻省理工学院博士学位。在那段时间里，他参加了Google Research已有三年多的时间，从事Palm（具有5400亿个参数的大型语言模型）的研究和开发工作，Bloom（一种开放的多语言模型，有176个我的Myl MyL数百万个参数），Flan-T5和其他重要项目。离开Google之后，Hyung于2023年击败Chung之后，Hyung参加了他在Openai舞台上的几个重要项目的调查。他们在以下项目中发挥了特别重要的作用：O1-Preiview（2024年9月），O1的官方版本（2024年12月），深入研究（FebruaRY 2025）和Codex LED迷你型号的培训。亨在几次歌剧会议上也经常赢得了钟。 Hyung Win Chung作为O1系统的基本纳税人参加了几次OpenAI会议，并在推断大型语言模型，搜索信息和使用加强学习策略的推断中发挥了重要作用。 Hyung赢得了Chung，我们逃脱了有关几个重要机会的想法，包括广受赞誉的斯坦福CS25会议。在研究工作人员中，Hyung赢得了Chung，不仅O1系列模型成为具有思想能力的前卫工具，而且还开放了编码代理，系统评估和安全保证的新途径，从而创造了从理论到应用程序的完整研究生态系统的完整研究生态系统。随着两名著名雇员Jason Wei和Hyun Wong Chun的离开，公开赛将真正被追捕。