应PA视讯|PA真人官网-PLAYACE旗舰注册入口礼欣老师邀请，国家级青年人才、天津大学智能与盘算学部郝建业老师于2024年11月5日与我院进行了学术交流，并作题为“大模型时代下的强化学习”的学术陈诉。
陈诉由PA视讯礼欣老师主持，PA视讯语言智能与社会盘算研究所相关研究偏向的部门师生加入了此次陈诉。
郝建业老师首先回首了传统的强化学习范式，即在线强化学习和离线强化学习，并探讨了在当前大模型时代下，传统的强化学习范式仍饰演着重要角色，在决策领域演化出“离线预训练”和“在线微调”的新型范式。立足于上述两种强化学习范式，郝老师划分从智能体与情况交互构建马尔可夫决策历程（MDP）的角度出发，讨论了在线强化学习如何利用战略表征、世界模型、数据增强和高效的探索战略采样高质量样本数据；以及基于Transformer和扩散模型等主干网络使智能体通过离线强化学习获得泛化性更好的战略。同时展示了其团队最新设计的包罗5种人类反馈类型和30多种仿真情况、用于提升离线强化学习效率的通用平台——Uni-RLHF。此外，郝建业老师还探讨了如何将离线和在线强化学习技术结合，应用于具身智能、自动驾驶和芯片设计等实际工业场景，并分享了其团队结果在现实情况下的多个应用，例如部署在聚会会议室中用于物品部署的机械人、部署在智能驾驶车辆中用于变道决策的多智能体、以及部署在芯片设计中用于元器件结构的优化工程。最后，郝老师总结了本次陈诉的内容，并结合切身体会向各人教授了在科研路途上的一些经验，在引发全场强烈共识的同时给予了各人深远的启示。
陈诉中，多位老师和同学从理论推理、实验表征及应用场景等多个角度与郝老师展开互动，郝老师认真细致地回覆了提出的问题，并进一步对相关方面进行了拓展与延伸。
通过本次学术陈诉，师生们对大模型时代下的强化学习技术有了越发深入的理解，同时，师生们也体现，期待郝老师在不久的未来再次开展陈诉，与我校师生分享研究结果与研究经验。
陈诉人简介：
郝建业，博士，国家级青年人才，华为诺亚决策推理实验室主任，天津大学智算学部副教授。主要研究偏向为深度强化学习、多智能体系统。发表人工智能领域CCF-A类国际聚会会议和期刊论文100余篇，专著2部。获得国家科技部2030人工智能重大课题、基金委人工智能重大培育等项目资助10余项，研究结果荣获国际聚会会议最佳论文奖3次，NeurIPS20-22大会竞赛冠军4次。相关结果在国产工业基础软件智能化、自动驾驶、游戏 AI、广告及推荐、5G优化、物流调治等领域落地应用。