PufferLib 5.0 连刷 Craftax 与 NetHack 强化学习纪录

PufferLib 5.0 发布多项强化学习成果：作者 jsuarez 盘点最亮眼的五个结果，包括单一策略同时完成无人机竞速与多种编队变换的多任务控制，以及在 Robocode 中通过自博弈制霸。社区测试显示其 on-policy RL 在 Craftax 上以单集总回报 162 达成约双倍 SOTA；实习生训练的智能体在 NetHack 上以随机职业拿到 19.5k 分，超此前 SOTA 五倍并击败最好的手写脚本智能体。

2026-09-14 ~ 2026-09-14 · 4 条相关

• PufferLib 5.0 五大强化学习成果：单策略多任务无人机与自博弈制霸 Robocode — jsuarez · 2026-09-14
• PufferLib 5.0 在 Craftax 强化学习任务达成双倍 SOTA 性能 — jsuarez · 2026-09-14
• PufferLib 5.0 强化学习超脚本智能体 5 倍，登顶 NetHack — jsuarez · 2026-09-14

另有 1 条近重复转述:j_foerst