John Schulman：用不良轨迹前缀定义 RL 环境是个好主意
johnschulman2 · x · 2026-08-09
OpenAI 联合创始人 John Schulman 在 X 上回应，认为使用来自不良行为轨迹的前缀来定义 RL 环境或评估集是个好主意。这暗示了一种利用失败案例改进强化学习的方法。
所属事件:Schulman 探讨利用不良轨迹前缀改进强化学习(2 条相关)→
「研究」频道最新
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- MP-Bench：语音 Agent 群聊插话判断仅与抛硬币相当 — solyarisoftware · 2026-10-16
- 对 Qwen3-8B 做神经元级 GWAS+PheWAS，定位安全相关神经元 — Sauers_ · 2026-10-16
- 770B 参数压进 214GiB：腾讯混元量化团队拆解 Hy4 Preview 压缩术 — coolmum18 · 2026-10-16
- 200 局国际象棋实测：作者认为上下文学习目前并不奏效 — akbirthko · 2026-10-16
- LARK-Lab 提出 Mosaic：跨会话的 Agentic 强化学习新范式 — LARK-Lab · 2026-10-16