Google DeepMind在Nature发表研究，提出DiscoRL方法，使智能体能在多环境交互中自主发现强化学习规则。实验显示，基于57款Atari游戏训练的Disco57以IQM 13.86成绩超越MuZero等主流算法，并在ProcGen、Crafter和NetHack等未见任务中展现强泛化能力；扩展至103个环境的Disco103表现更优。最优规则在约6亿步内被发现，效率远超人工设计。研究表明，RL算法性能随环境多样性与计算量提升而增强，未来高级AI的算法或可由机器自动构建。
来源：https://mp.weixin.qq.com/s/fVKbQfpUd3yVBlEkxIj9xQ
周大 发表于 2025-10-28 15:09:26