前字节腾讯专家孙鹏加入星尘智能
字节RL大牛刚入职，星尘智能就让他“从零开始”？字节跳动强化学习专家孙鹏，9月2日刚加入星尘智能，连工位都没坐热，就接了个硬骨头：给机器人搞“后训练”。孙鹏是谁？清华博士，康奈尔博士后。在腾讯带过Robotics X，在字节手搓过大规模分布式RL系统ByteRL，还拿过IEEE CoG 2023策略卡牌AI冠军。这种把机器人RL、大模型RLHF、推理RL全跑通的人，全深圳都挑不出几个。可星尘现在要他做的，不是接着发论文，而是从零搭一套机器人强化学习后训练体系。把大模型侧的RLHF、在线PPO经验，硬塞进真实机器人的连续控制里。样本效率、奖励设计、分布式训练，全是坑。星尘的Lumo-2世界模型、绳驱T1本体，都是现成的。缺的就是“执行完能自己学”这口气。孙鹏这把刀，砍的就是这块硬骨头。人刚到，活还没干出来。但具身智能的牌桌，已经悄悄换了玩法。你觉得他能成吗？评论区聊聊。
发布于 河南
分享
评论
1
未登录
友善发言
评论
加载中
