PufferLib 5.0 强化学习超脚本智能体 5 倍，登顶 NetHack
jsuarez · x · 2026-09-14
jsuarez 转发其暑期实习生的成果：用 PufferLib 5.0 训练的强化学习智能体在 NetHack 上取得超过此前 SOTA 5 倍的成绩，并击败了最好的手写脚本智能体 AutoAscend。原推附长文介绍：NetHack 是长时序、部分可观测、一次意外交互即可终结整局的高难度游戏，对强化学习极为严苛，文章详述了如何用 RL 打破 AutoAscend 的 NetHack Challenge 纪录。
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
- DeepMind 首发智能经济学研究：AGI 冲击经济靠协同而非单模型变强 — Scobleizer · 2026-10-31
- 把整台任天堂塞进 1GB 权重：Qwenputer 衍生出 Nesformer — idanbeck · 2026-10-31
- AI 时代何为「科学发现」？ICLR 2027 提案 SCOPE 研讨会聚焦争议 — mariyaivasileva · 2026-10-31
- 机器人操作新基准 MolmoSpaces-CommonSense:所有策略无一超过 30% — RanjayKrishna · 2026-10-31
- 用培养脑细胞做视频模型：mischief 1 上线，每秒仅 0.5 美分 — evilsocket · 2026-10-31
- 斯坦福 CS336 笔记:Percy Liang 讲透 Scaling Laws 的思维方式转变 — stanfordnlp · 2026-10-31