首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

立场:强化学习研究人员需要区分求解模拟器和使用模拟器作为代理

2026-06-30 1 阅读 约1分钟阅读 Matthew Vandergrift, Esraa Elelimy, Martha White
分享:
字号:
arXiv:2606.28433v1 公告类型:新 摘要:强化学习 (RL) 研究的一个目标是了解通用顺序决策,使用基准模拟器作为部署设置中学习的代理。然而,在运行实验时,在模拟器中实现高性能的目标可能会转变为专注于解决模拟器问题。为了获得高分,研究人员可能会采用专门用于解决模拟器问题的解决方案,而不是在代理部署在模拟器外部时进行学习。解决模拟器问题也值得研究,但这是一个根本不同的强化学习研究问题。在本文中,我们认为强化学习研究人员需要区分模拟器的两种用例:解决模拟器问题和使用模拟器作为部署中学习的代理。我们首先讨论这两个用例在代理如何使用模拟器的约束、哪些算法合适以及哪些评估指标合适方面有何显着不同。然后,我们强调了一些问题和误导性的结论,这些问题和误导性的结论可能是由于没有明确区分这两种设置之间的区别而导致的,并有示例和简单的实验作为支持。这项工作呼吁社区开始清楚地区分他们在工作中如何使用模拟器,希望能引发进一步讨论哪种经验实践在每种情况下最有效。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱