曲凯： 今天我们请来了国内强化学习 (RL) 领域的专家吴翼，吴翼目前是清华大学交叉信息研究院助理教授，他曾经在 OpenAI 工作过，算是国内最早研究强化学 习的人之一，我们今天就争取一起把 RL 这个话题给大家聊透。 首先吴翼能不能简单解释一下，到底什么是 RL？ 因此，RL 其实更通用一些，它的逻辑和我们在真实生活中解决问题的逻辑非常接近。比如我要去美国出差，只要最后能顺利往返，中间怎么去机场、选什么航 司、具体坐哪个航班都是开放的。 但 RL 很不一样。 RL 最早是用来打游戏的，而游戏的特点和分类问题有两大区别。 第一，游戏过程中有非常多的动作和决策。比如我们玩一个打乒乓球的游戏，发球、接球、回球，每一个动作都是非标的，而且不同的选择会直接影响最终的结 果。 第二，赢得一场游戏的方式可能有上万种，并没有唯一的标准答案。 所以 RL 是一套用于解决多步决策问题的算法框架。它要解决的问题没有标准答案，每一步的具体决策也不受约束，但当完成所有决策后，会有一个反馈机制来评 判它最终做得好还是不好。 吴翼： RL 是机器学习这个大概念下一类比较特殊的问题。 传统机器学习的本质是记住大量标注过正确答案的数据对。 ...

责编 | 王启隆 出品丨AI 科技大本营（ID：rgznai100） 黄教主的演讲 感觉才没过几天，今年的 GTC 英伟达大会也即将迎来尾声了。 而今年比尔·达利则是对话"AI 教父" 杨立昆 （Yann LeCun），很有前后呼应的感觉。 但 GTC 并不只有黄仁勋和杨立昆，还有许多精彩的演讲与对话，比方说： ………… 接下来的一段时间， CSDN AI 科技大本营 将会在「 GTC 2025 大师谈 」栏目持续更新这些精华内容的全文整理，尽情期待。 比尔·达利 自己就在采访杨立昆之后进行了一场 演讲 ，系统性地讲解了英伟达 2024 一整年的四大项目进展，内容干货很多； OpenAI o1 作者 诺姆·布朗 （Noam Brown）和英伟达的 AI 科学家来了一场 对话 ，他认为现在 AI 圈最需要来一场革命的，就是这些五花八 门的 基准测试 （Benchmark），而且改这个东西还不需要花太多算力资源； 2018 年诺贝尔化学奖得主 弗朗西斯·阿诺德 （Frances Arnold）围绕 AI for Sciense 还有蛋白质工程进行了一场相当硬核的 圆桌对话 ； UC 伯克利教授 彼得·阿比尔 （P ...

对于 GenAI 的解决方案而言，诸如带宽和容量之类的优势固然重要，但功耗、占用面积和价格等成 本因素也需要加以考量。由于存储器是一种依赖于中央处理器（CPU）的被动组件，其配置会根据 处理器而做出改变。在这方面， ARM 近期的战略调整以及基于 MoE 的大语言模型（LLM）可能出 现的变化，都可能会导致未来架构和解决方案发生改变。 Haylee Xu / 市场专员 电话: +86 15959754429 邮箱:haylee.xu@counterpointresearch.com 数据来源：Source: Counterpoint Research 点击阅读原文下载完整版 PDF 报告 Rick Cui / 客户服务总监 电话: +86 13801127537 邮箱:rick@counterpointresearch.com 媒体采访 业务咨询 ...

以数据聚焦重点，重点永不失焦！欢迎阅读 "彭博数据洞察" 月报，基于超过8000个彭博企业 数据集，为您提供有关市场热点问题、最新趋势的深度分析与洞见。您可点击文末 "阅读原文" 链接，联系我们预约有关数据服务的演示。 扫描二维码 立即订阅 彭博数据洞察月报 本期聚焦： AI驱动的新闻摘要功能 助力提炼洞见与信号 利用AI从新闻标题中提炼信号 实时新闻资讯作为市场动向的重要推手，已成为量化投资者构建投资策略的关键情报来源。 彭博旗舰产品"新闻标题与正文"为此提供全面支持，覆盖全球上万个主题领域，遍及所有地 区及主流企业，并配有丰富的标签体系，可标注话题、证券代码及人物信息。 拥有完备的标签系统后，结构化的新闻资讯仍需进一步解读，以消除信息冗余。以一个案例 说明：2 0 2 4年7月3日，美国Ke y st o n e输油管道突发关停事件，首条新闻发布数分钟后原油 价格即大幅上涨（见图1）。要精准追踪此类事件，需锁定具有相同主题代码的关联新闻。 图1：原油期货（CLJ4）在Keystone输油管道关停后的走势 数据来源：彭博 基于彭博新闻数据，用户可运用大语言模型（LLM）对相关标题进行自然语言处理（NLP） ...

2025/02/11 中国宏观经济研究员 杨曦 010-66555831 xi_yang@chiefgroup.com.hk DeepSeek 对英伟达长期股价的潜在影响 1 月 27 日，DeepSeek 在中国区和美国区的苹果 App Store 免费榜上同时登顶，成为下载量第 一的应用程序。与此同时，美国科技股市场却遭遇了大幅下跌，费城半导体指数（SOX）下跌了 9.2%，创下自 2020 年 3 月以来的最大单日跌幅。其中，英伟达股价下跌了近 17%，市值蒸发了近 6000 亿美元，成为美股历史上最大规模的单日市值缩水之一。甚至 WTI 原油价格也在盘中一度下 跌了 3%。一些交易员认为，如果大模型的训练和推理不再需要大量算力，数据中心的电力需求也 会随之减少，进而减少对石油发电的依赖。 这场科技股的大幅波动，主要归因于 DeepSeek 在训练和推理成本上的显著优势。 | 模型(1) | 上下文长度 | 最大思维链长度(2) | 最大输出长度(3) | 百万tokens | 百万tokens | 百万tokens | | --- | --- | --- | --- | --- | --- | --- ...