RePPO:训练 PPO 策略种群,让每个 RL 智能体走出自己的解法

TZahavy · x · 2026-11-17

研究者发布新工作 RePPO:训练一个 PPO 策略种群(population),每个策略都能完成任务但方式各异,探索同一个任务的其他可能解法。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →