OpenAI News·· 2018-10-31AI 评分3
OpenAI 开发 RND 预测奖励强化学习方法，首次在 Montezuma's Revenge 上超越人类平均水平
Reinforcement learning with prediction-based rewards
AI 导读
OpenAI 开发了 Random Network Distillation（RND），一种基于预测的方法，通过好奇心机制驱动强化学习智能体探索环境。该方法首次在 Montezuma's Revenge 游戏上达到超越人类平均水平的成绩。
来源：OpenAI News · openai.com