PufferLib 5.0 展示五大强化学习成果：随机职业在 NetHack 拿 19.5k 分
j_foerst · x · 2026-09-14
jsuarez 发布文章盘点 PufferLib 5.0 最酷的五个 RL 结果，rockt 转发并点赞其中亮点：用随机职业在 NetHack Learning Environment 中拿到 19.5k 分数，并能稳定打到 The Castle。
公开的部分要点包括：
- 多任务无人机策略：单一策略既能竞速又能编队排列成多种阵型。
- Robocode 自博弈冠军：把 2010 年流行的坦克编程对战游戏和高水平 bot 移植到高性能 C 实现的 PufferEnv，PufferLib 5.0 能直接击败其训练对手。
完整榜单共五项，展示 PufferLib 5.0 在高技能天花板环境上的 RL 训练能力。
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
- 印度学者今年在 A* 级 ML 会议上表现如何？ — cneuralnetwork · 2026-10-31
- PostTrainBench 轨迹数据集月下载破 10 万,作者警告是 RL 奖励作弊所致 — maksym_andr · 2026-10-31
- MIT『95% AI 试点失败』论断一年后被重新审视 — killboy123 · 2026-10-31
- 研究者为 SGLang 写 200+ 条属性约束，找出 10 个推理缺陷 — LingmingZhang · 2026-10-31
- 30 位专家定义 AI 临床安全分类法，压测显示离自主诊疗仍很远 — AleksandraFaust · 2026-10-31
- 复旦腾讯清华推出 ExplorationBench：55 个改动规则考验 AI 真探索能力 — jiqizhixin · 2026-10-31