PufferLib 5.0 在 Craftax 强化学习任务达成双倍 SOTA 性能
jsuarez · x · 2026-09-14
作者 daphnesolves 发文介绍用 tabula rasa 的 on-policy 强化学习把 Craftax 打到 level 6：策略单集总回报 162，约为理论最大回报的 71%，能学会造盔甲、释放火球并击败大量敌人。
jsuarez 引用指出，配合 PufferLib 5.0 后在该任务上的 RL 性能相比原结果翻倍（double SOTA）。PufferLib 是以极高训练吞吐著称的强化学习库，5.0 版本在 Craftax 这类稀疏奖励长时序环境上继续展现出显著加速与性能收益。
所属事件:PufferLib 5.0 连刷 Craftax 与 NetHack 强化学习纪录(4 条相关)→
「研究」频道最新
- AIR 调度器:按有效学习率设计,128B token MoE 预训练超越 cosine — stochasticchasm · 2026-10-30
- NVIDIA 研究员：利用仿真特权信息训练机器人策略，改进 Pi 0.5 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- CMU 用 Agent 自动建 25 个物理仿真:前沿模型测试任务 0 通过 — wellecks · 2026-10-30
- 仿真训练的关键红利:利用模拟器特权信息改进模型 — wellecks · 2026-10-30
- DeepMind f_charton 谈 AI 与数学现状：庞加莱研究所演讲上线 — f_charton · 2026-10-30