Skip to the content

Open IA

AI News

  • Microsoft IA
  • Google IA
  • NVIDIA IA
  • Openai IA
  • MIT IA
  • TLDR.TECH
  • ScienceDaily IA
  • SiècleDigital IA
  • Developpez.com
  • BonPrompt.com
  • Toute l’IA
  • A propos
  • Microsoft IA
  • Google IA
  • NVIDIA IA
  • Openai IA
  • MIT IA
  • TLDR.TECH
  • ScienceDaily IA
  • SiècleDigital IA
  • Developpez.com
  • BonPrompt.com
  • Toute l’IA
  • A propos
  • Search
  • Solving Rubik’s Cube with a robot hand

    28 Sep
  • OpenAI Scholars 2020: Applications open

    28 Sep
  • Fine-tuning GPT-2 from human preferences

    28 Sep
  • Emergent tool use from multi-agent interaction

    28 Sep
  • Testing robustness against unforeseen adversaries

    28 Sep
  • GPT-2: 6-month follow-up

    28 Sep
  • Learning Day

    28 Sep
  • Microsoft invests in and partners with OpenAI to support us building beneficial AGI

    28 Sep
  • Why responsible AI development needs cooperation on safety

    28 Sep
  • OpenAI Robotics Symposium 2019

    28 Sep
  • OpenAI Scholars 2019: Final projects

    28 Sep
  • OpenAI Fellows Fall 2018: Final projects

    28 Sep
  • Transfer of adversarial robustness between perturbation types

    28 Sep
  • MuseNet

    28 Sep
  • Generative modeling with sparse transformers

    28 Sep
  • OpenAI Five defeats Dota 2 world champions

    28 Sep
  • OpenAI Five Finals

    28 Sep
  • Implicit generation and generalization methods for energy-based models

    28 Sep
  • OpenAI Scholars 2019: Meet our Scholars

    28 Sep
  • OpenAI LP

    28 Sep
  • Introducing Activation Atlases

    28 Sep
  • Neural MMO: A massively multiagent game environment

    28 Sep
  • Spinning Up in Deep RL: Workshop review

    28 Sep
  • AI safety needs social scientists

    28 Sep
  • Better language models and their implications

    28 Sep
  • Computational limitations in robust classification and win-win results

    28 Sep
  • OpenAI Fellows Summer 2018: Final projects

    28 Sep
  • How AI training scales

    28 Sep
  • Quantifying generalization in reinforcement learning

    28 Sep
  • Spinning Up in Deep RL

    28 Sep
  • Learning concepts with energy functions

    28 Sep
  • Plan online, learn offline: Efficient learning and exploration via model-based control

    28 Sep
  • Reinforcement learning with prediction-based rewards

    28 Sep
  • Learning complex goals with iterated amplification

    28 Sep
  • OpenAI Scholars 2019: Applications open

    28 Sep
  • OpenAI Fellows Winter 2019 & Interns Summer 2019

    28 Sep
  • FFJORD: Free-form continuous dynamics for scalable reversible generative models

    28 Sep
  • OpenAI Scholars 2018: Final projects

    28 Sep
  • The International 2018: Results

    28 Sep
  • Large-scale study of curiosity-driven learning

    28 Sep
  • OpenAI Five Benchmark: Results

    28 Sep
  • Learning dexterity

    28 Sep
  • Variational option discovery algorithms

    28 Sep
  • OpenAI Scholars 2018: Meet our Scholars

    28 Sep
  • OpenAI Five Benchmark

    28 Sep
  • Glow: Better reversible generative models

    28 Sep
  • Learning Montezuma’s Revenge from a single demonstration

    28 Sep
  • OpenAI Five

    28 Sep
  • Retro Contest: Results

    28 Sep
  • Learning policy representations in multiagent systems

    28 Sep
  • Improving language understanding with unsupervised learning

    28 Sep
  • GamePad: A learning environment for theorem proving

    28 Sep
  • OpenAI Fellows Fall 2018

    28 Sep
  • Gym Retro

    28 Sep
  • AI and compute

    28 Sep
  • AI safety via debate

    28 Sep
  • Evolved Policy Gradients

    28 Sep
  • Gotta Learn Fast: A new benchmark for generalization in RL

    28 Sep
  • Retro Contest

    28 Sep
  • Variance reduction for policy gradient with action-dependent factorized baselines

    28 Sep
  • Improving GANs using optimal transport

    28 Sep
  • Report from the OpenAI hackathon

    28 Sep
  • On first-order meta-learning algorithms

    28 Sep
  • Reptile: A scalable meta-learning algorithm

    28 Sep
  • OpenAI Scholars

    28 Sep
  • Some considerations on learning to explore via meta-reinforcement learning

    28 Sep
  • Multi-Goal Reinforcement Learning: Challenging robotics environments and request for research

    28 Sep
  • Ingredients for robotics research

    28 Sep
  • OpenAI hackathon

    28 Sep
  • Preparing for malicious uses of AI

    28 Sep
  • OpenAI supporters

    28 Sep
  • Interpretable machine learning through teaching

    28 Sep
  • Discovering types for entity disambiguation

    28 Sep
  • Requests for Research 2.0

    28 Sep
  • Scaling Kubernetes to 2,500 nodes

    28 Sep
  • Block-sparse GPU kernels

    28 Sep
  • Learning sparse neural networks through L₀ regularization

    28 Sep
  • Interpretable and pedagogical examples

    28 Sep
  • Learning a hierarchy

    28 Sep
  • Generalizing from simulation

    28 Sep
  • Asymmetric actor critic for image-based robot learning

    28 Sep
  • Sim-to-real transfer of robotic control with dynamics randomization

    28 Sep
  • Domain randomization and generative models for robotic grasping

    28 Sep
  • Meta-learning for wrestling

    28 Sep
  • Competitive self-play

    28 Sep
  • Nonlinear computation in deep linear networks

    28 Sep
  • Learning to model other minds

    28 Sep
  • Learning with opponent-learning awareness

    28 Sep
  • OpenAI Baselines: ACKTR & A2C

    28 Sep
  • More on Dota 2

    28 Sep
  • Dota 2

    28 Sep
  • Gathering human feedback

    28 Sep
  • Better exploration with parameter noise

    28 Sep
  • Proximal Policy Optimization

    28 Sep
  • Robust adversarial inputs

    28 Sep
  • Hindsight Experience Replay

    28 Sep
  • Teacher–student curriculum learning

    28 Sep
  • Faster physics in Python

    28 Sep
  • Learning from human preferences

    28 Sep
  • Learning to cooperate, compete, and communicate

    28 Sep

Newer

Older

© 2026 Open IA

Design Jean-Louis Maso

Gérer le consentement
Pour offrir les meilleures expériences, nous utilisons des technologies telles que les cookies pour stocker et/ou accéder aux informations des appareils. Le fait de consentir à ces technologies nous permettra de traiter des données telles que le comportement de navigation ou les ID uniques sur ce site. Le fait de ne pas consentir ou de retirer son consentement peut avoir un effet négatif sur certaines caractéristiques et fonctions.
Fonctionnel Toujours activé
L’accès ou le stockage technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’utilisateur, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
Préférences
L’accès ou le stockage technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’internaute.
Statistiques
Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques. Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
Marketing
L’accès ou le stockage technique est nécessaire pour créer des profils d’internautes afin d’envoyer des publicités, ou pour suivre l’utilisateur sur un site web ou sur plusieurs sites web ayant des finalités marketing similaires.
  • Gérer les options
  • Gérer les services
  • Gérer {vendor_count} fournisseurs
  • En savoir plus sur ces finalités
Voir les préférences
  • {title}
  • {title}
  • {title}