Reinforcement learning with prediction-based rewards

En 3 lignesOpenAI présente Random Network Distillation (RND), une méthode d'apprentissage par renforcement basée sur la prédiction qui encourage l'exploration par curiosité. RND dépasse pour la première fois la performance humaine moyenne sur Montezuma's Revenge.

Résumé généré par Claude — vérifié par l'humain