OpenAI News·· 2018-10-31AI 评分40
OpenAI 用基于预测的奖励做强化学习，RND 首次在 Montezuma's Revenge 上超越人类平均表现
Reinforcement learning with prediction-based rewards
AI 导读
OpenAI 提出 Random Network Distillation（RND），一种基于预测的奖励方法，通过好奇心鼓励强化学习智能体探索环境。该方法首次在 Montezuma's Revenge 上超越人类平均表现。
来源：OpenAI News · openai.com