强化学习实验极其脆弱？新研究教你如何设计严谨对比

burkov · x · 2026-08-27

强化学习的实验设置异常脆弱，即使相同的算法实现，也可能因随机初始化、数据、超参数等细节差异导致结果大相径庭，使得漂亮的图表往往支撑了过强的结论。Patterson 等人提出了一套实用的实验设计方法，旨在区分真实的算法差异与噪声或研究者的人为选择，包括如何测量运行间差异、区分平均不确定性与个体差异、选择足够的运行次数以及公平处理超参数。