AIGC动态欢迎阅读
v，全新强化学习框架是关键
关键字：模型,任务,能力,环境,智能文章来源：量子位
内容字数：0字内容摘要：
Simon Zhai 投稿量子位 | 公众号 QbitAI只用强化学习来微调，无需人类反馈，就能让多模态大模型学会做决策！
这种方法得到的模型，已经学会了看图玩扑克、算“12点”等任务，表现甚至超越了GPT-4v。
这是来自UC伯克利等高校最新提出的微调方法，研究阵容也是相当豪华：
图灵奖三巨头之一、Meta首席AI科学家、纽约大学教授LeCun
UC伯克利大牛、ALOHA团队成员Sergry Levine
ResNeXt一作、Sora基础技术DiT作者谢赛宁
香港大学数据科学学院院长、UC伯克利教授马毅
该方法名为RL4VLM，论文预印本已经上线，相关代码也已在GitHub中开源。
RL4VLM提出了一种新的算法框架，直接使用强化学习方法对多模态大模型进行微调。
其中奖励信息直接来源于环境当中，摆脱了RLHF中对于人类反馈的需要，从而直接赋予了多模态模型决策能力。
对于RL4VLM的意义，参与了这项工作的马毅教授这样说：
一方面希望大家对模型真实性能有更客观清醒的认识；另一方面，也希望能建立一个平台，支持探索如何进一步提升模型性能。
那么，用这种方法微调出来的多模态大模型，都能让智能原文链接：多模态模型学会打扑克：表现超越GPT-4v，全新强化学习框架是关键
联系作者
文章来源：量子位
作者微信：QbitAI
作者简介：追踪人工智能新趋势，关注科技行业新突破
