OpenAI·2018-07-04 15:00· 2018-07-04AI 评分52OpenAI 展示从单次演示学习《蒙特祖玛的复仇》的高分策略Learning Montezuma’s Revenge from a single demonstrationAI 导读OpenAI 训练智能体从单次人类演示中在《蒙特祖玛的复仇》中获得 74,500 高分,优于此前公开结果。算法从演示中精心选择的状态开始进行一系列游戏,并使用 PPO 优化游戏得分。来源:OpenAI · openai.comOpenAI / ChatGPT推理能力论文研究#论文/研究#推理#OpenAI