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
- Stanford/MIT 研究:同一模型换 harness 跑分可差 6 倍 — burkov · 2026-09-15
- 数学家临近重大突破却被 AI 抢发,开源科学模式遭拷问 — ScottNover · 2026-09-15
- ECCV 论文 ART 攻克复杂妆容迁移,发布首个 2K 真实妆容数据集 — jiqizhixin · 2026-09-15
- 数学家为何抵触 AI 证题？不止护饭碗，还有更深一层的道理 — rbhar90 · 2026-09-15
- CCN2026 辩论录像:NeuroAI 能否成为理解大脑与心智的必经之路 — aran_nayebi · 2026-09-15
- 仅 5 小时数据全盒训练，让机器人抓取光照盒也能泛化 — DominiqueCAPaul · 2026-09-15