前字节腾讯专家孙鹏插手星尘智能担任机械人

　　孙鹏博士结业于从动化系，师从消息处置研究所周杰传授，取担任其博士后Advisor的渊源颇深。2016 年，任高级研究员；后来到张正友领衔的腾讯 Robotic X 尝试室，任智能体进修核心的团队担任人。

　　2020年，孙鹏插手字节跳动，分布式大规模强化进修手艺，支持字节多款自研逛戏AI锻炼和定制；还带队获得IEEE CoG 2023策略卡牌AI竞赛冠军，其《炉石传说》AI曾正在测试中以全胜和绩击败国服排名前十的逛戏从播，验证了大规模强化进修正在复杂决策使命中的财产化能力。正在字节AI Lab / ByteResearch期间，孙鹏做为项目担任人参取研究并发布强化微调方式ReFT，以及数学推能体DeltaProver，此中ReFT以超越保守的数学微调能力，以至被认为影响到了OpenAI o1式的推理范式；其正在Seed团队参取模子RLHF取预锻炼工做，将强化进修进一步拓展至大模子对齐。