FactorSim：通过因子化表示进行生成模拟

状态空间模型在模型基强化学习中能够学习和操作紧凑的状态表述，显著降低动作序列预测的计算成本。

状态空间模型在Atari游戏中能够精确捕捉动态，并提供高速计算，具有实用价值。

通过使用Procgen Benchmark评估强化学习的样本效率和泛化性能，发现大型模型显著提高了这些性能。

研究知识转移以减少新任务的学习复杂度，关注如何快速识别最精确的解法。

在机器人任务中评估多种学习方法，发现输入代理或辅助任务可以显著提高性能。

讨论生成型人工智能的现状、机会和挑战，分析不同生成方法的应用情况。

深度生成模型在文本生成和计算机视觉等多个应用领域具有重要影响。

增强学习作为一种灵活的选择，能够注入新的训练信号，扩展生成人工智能的界限。

通过生成模型学习真实世界互动的通用模拟器，实现零样本现实世界转移。

RoboGen是一种生成式机器人代理，能够自动学习各种机器人技能，减少人类监督。