AI 一次写出 Breakout 网络得 517 分,RL 训练 5 亿步只有 25 分
ccerrato147 · x · 2026-11-04
作者介绍 MIT 演示的核心能力:只给 Breakout 的规则和源代码、以及一个全零网络,Astra 一口气手写出了全部权重。这个网络得分 517,而强化学习训练 5 亿步的网络只得了 25 分。
所属事件:Astra 零训练手写 Breakout 网络权重，得分超 RL 训练 20 倍(2 条相关)→
「模型」频道最新
- ChatGPT 老订阅者怒斥 OpenAI：改 token 计费却不公布额度上限 — LowRepublic4680 · 2026-11-04
- 开发者用小 LoRA 适配器超越 DNA 模型 Carbon-X，直指专用小模型泛化短板 — danielmckinn0n · 2026-11-04
- LangChain 实测 7 套浏览器工具集：Stagehand 通过率 90%、成本仅 $1.98 — LangChain · 2026-11-04
- DeepSeek 上线「DeepSeek Harness」频道：属于你的 Harness，你来定义 — gnukeith · 2026-11-04
- 求推荐弱机可跑的无审查本地模型，用于检索与批量下载 — Emotional_Orange_279 · 2026-11-04
- DeepSeek 故障约 1 小时 44 分，社区猜测算力正挪给 V4.1 Pro — AccBalanced · 2026-11-04