进化策略梯度

我们提出了一种名为进化策略梯度（EPG）的实验性元学习方法，能够演变学习代理的损失函数，从而使其在新任务上快速训练。使用EPG训练的代理在测试时能够成功完成未在训练中涉及的基本任务。