Eureka

人类级奖励设计算法,通过编码大型语言模型实现

普通产品编程奖励设计强化学习
Eureka是一种人类级奖励设计算法,通过编码大型语言模型实现。它利用最先进的语言模型(如GPT-4)的零样本生成、编写代码和上下文改进能力,对奖励代码进行进化优化。生成的奖励可以用于通过强化学习获得复杂的技能。Eureka生成的奖励函数在29个开源强化学习环境中,包括10种不同的机器人形态,优于人类专家设计的奖励函数。Eureka还能够灵活地改进奖励函数,以提高生成奖励的质量和安全性。通过与课程学习相结合,使用Eureka奖励函数,我们首次展示了一个模拟的Shadow Hand能够进行旋转笔的技巧,熟练地以快速的速度在圆圈中操纵笔。
打开网站

Eureka 最新流量情况

月总访问量

5581

跳出率

45.86%

平均页面访问数

1.6

平均访问时长

00:01:32

Eureka 访问量趋势

Eureka 访问地理位置分布

Eureka 流量来源

Eureka 替代品