Tuo Zhao

Cette étude met en lumière la complexité d'échantillonnage des algorithmes de descente de miroir de politique neuronale en apprentissage profond.

Découvre une méthode d'optimisation décentralisée qui protège les données des utilisateurs tout en améliorant l'efficacité.

Une nouvelle méthode pour améliorer l'alignement de l'IA avec les valeurs humaines en utilisant des retours corrompus.

Une nouvelle méthode améliore la manière dont les modèles de langage suivent des instructions complexes.