Ian Osband 发布 3 分钟 Colab：horizon loss 力压策略梯度与交叉熵
redpony · x · 2026-10-10
DeepMind 研究员 Ian Osband 为其 "Planning to Learn" 工作发布了一个可在免费 T4 GPU 上约 3 分钟跑完的 Colab 实验，redpony 转发并感叹 2026 年单个 Colab 实验依然能揭示重要结论。
实验结果（完全公开可复现）：
- 精确策略梯度（Exact PG）在准确率上都输给了交叉熵方法；
- horizon loss 同时击败两者；
- Planning CE 甚至在 CE 自身的 NLL 指标上也胜出。
作者鼓励大家亲自运行验证，没有任何隐藏步骤。
「研究」频道最新
- OpenTac 开源 3D 触觉方案：给任意机器人表面装可共享数据的触觉皮肤 — _krishna_murthy · 2026-10-23
- 仅 1 克！无线微型显微镜实现自由活动小鼠全皮层单细胞成像 — KordingLab · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- Arc Institute 用基因组语言模型绘制原核非编码序列图谱 — tedgreenwald · 2026-10-23
- 同行评审的 AI 化：审稿人终于「进入附录」了 — abursuc · 2026-10-23
- Anthropic 用 Claude 为 100+ 开源库写下汇编级安全形式化证明 — AnthropicAI · 2026-10-23