Tuo Zhao

Este estudio destaca la complejidad de muestra de los algoritmos de Descenso Espejo de Política Neuronal en aprendizaje profundo.

Descubre un método de optimización descentralizada que protege los datos del usuario y mejora la eficiencia.

Un nuevo método para mejorar la alineación de la IA con los valores humanos usando retroalimentación corrupta.

Un nuevo método mejora cómo los modelos de lenguaje siguen instrucciones complejas.