OpenAI News·· 2018-10-31AI 评分36
OpenAI 提出基于预测奖励的随机网络蒸馏（RND）强化学习方法
Reinforcement learning with prediction-based rewards
AI 导读
OpenAI 开发了 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，首次在《蒙特祖玛的复仇》上超越人类平均表现。
来源：OpenAI News · openai.com