#数据/训练

Dongxi 东锡 NLP@dongxi_nlp· 14:28AI 评分3131

AI 时代，年轻人应该怎么办？很简单，几个关键词： 1. Stranford CS336 2. Sebastian Raschka: Build a Reasoning Model 3. Nathan Lambert: Reinforcement Learning from Human Feedback 4. 谭成义三分化

Nathan Lambert@natolambert· 20:04AI 评分3131

不错的讨论串，一些闭源实验室使用的强化学习细节正在慢慢泄露出来。

Rohan Paul@rohanpaul_ai· 01:28AI 评分6262

Maxinsights 推出了 MaxGlove 智能手套，用于记录人类在工作时手部的触觉和力矩数据，以此解决纯视觉机器人训练数据无法捕获力觉信号的问题。该产品旨在为机器人抓取和操作提供直接的力学数据支持，并计划到 2027 年实现百万小时的力触数据采集目标。

Karina@karinanguyen· 06:54AI 评分3131

evals 是向前沿实验室出售数据以及构建您自己的自改进模型的基石。构建高端 evals 极其有价值且重要。

Karina Nguyen 期待 AI 自动化数据与 RL 环境公司

Karina Nguyen 近日公开表示，迫切期待 AI 技术能够实现对所有数据及强化学习（RL）环境公司的自动化改造。这一观点强调了 AI 在优化数据处理流程与自动化训练环境方面的潜力，反映了行业内对于提升数据与 RL 基础设施自动化水平的持续关注。

Periodic Labs 创始人谈合成超级智能：从半导体到超导体

Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 在访谈中阐述了“合成超级智能”的愿景，即通过强化学习与物理实验的深度结合，让 AI 能够像科学家一样在噪声和不确定性中进行科学发现。他们强调，科学发现不同于数学或编码，物理实验是验证知识的最终基准，通过赋予实验室仪器“智能”，可以将数十年的科学试错压缩至数月。