5 articles
OpenAI démontre que l'ajout de bruit adaptatif aux paramètres des algorithmes d'apprentissage par renforcement améliore régulièrement les performances. Cette méthode d'exploration est simple à implémenter et rarement dégradante.
OpenAI publie PPO (Proximal Policy Optimization), une classe d'algorithmes de reinforcement learning plus simples à implémenter et tuner que les approches existantes, avec performances comparables ou supérieures. PPO est devenu l'algorithme RL par défaut chez OpenAI.
OpenAI a créé des images adversariales robustes qui trompent les classifieurs de réseaux de neurones à différentes échelles et perspectives. Cela contredit une affirmation récente selon laquelle les voitures autonomes seraient difficiles à tromper en raison de leurs multiples angles de capture.
OpenAI publie une méthode d'apprentissage par renforcement appelée Hindsight Experience Replay (HER). Cette technique permet aux agents d'apprendre à partir d'expériences échouées en reformulant les objectifs rétrospectivement, améliorant significativement l'efficacité de l'entraînement sur des tâches complexes.
OpenAI présente une approche de curriculum learning où un modèle « enseignant » génère des tâches progressives pour entraîner un modèle « étudiant ». La méthode améliore l'efficacité d'apprentissage en adaptant la difficulté des exemples d'entraînement au niveau de compétence du modèle.