3 articles
OpenAI publie une recherche sur le calcul non-linéaire dans les réseaux linéaires profonds. L'étude explore comment des architectures linéaires peuvent effectuer des calculs complexes malgré l'absence de fonctions d'activation non-linéaires traditionnelles.
OpenAI publie LOLA (Learning with Opponent-Learning Awareness), un algorithme qui modélise l'apprentissage d'autres agents et découvre des stratégies collaboratives comme le tit-for-tat dans le dilemme du prisonnier itéré.
OpenAI présente une méthode d'apprentissage par renforcement où les agents modélisent l'apprentissage de leurs adversaires pour améliorer leur stratégie. Cette approche, testée dans des environnements multi-agents, permet aux modèles d'adapter leur comportement en anticipant les changements de l'adversaire.