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
- 新架构 RHEA：8GB 显存即可训练 10 亿参数模型 — zemondza · 2026-08-24
- 跳过 LLM 写代码老套路：自训 16M 参数模型做生成式 CAD — debreuil · 2026-08-24
- Claude 助手发现 6 维球复结构，解 60 年数学难题 — Singularitarian · 2026-08-24
- 研究揭示 AI Agent 行为：六成阅读量来自指令与笔记 — dair_ai · 2026-08-24
- Claude 自主验证 43 个数学模块，AI 攻克理论物理难题 — Tkaraletsos · 2026-08-24
- AI 假记忆：为何模型越用越错，真记忆需遗忘 — PrajwalTomar_ · 2026-08-24