Eureka：通过编码大型语言模型实现与人类水平的奖励设计
原文中文，约500字，阅读约需1分钟。发表于：。Eureka 是一个由 LLMs 支持的人类级奖励设计算法，通过利用 GPT-4 等最先进的 LLMs 的无需提示、代码编写和条件改进能力，进行奖励代码的进化优化，从而生成可用于强化学习的复杂技能获取奖励函数。在一个多样的包含 10 个不同机器人形态的 29 个开源强化学习环境中，Eureka 在 83％的任务上超过了人类专家，在平均标准化改进率为 52％。Eureka...
Eureka是一种由LLMs支持的奖励设计算法，利用GPT-4等最先进的LLMs进行奖励代码的进化优化，生成可用于强化学习的复杂技能获取奖励函数。Eureka在多个开源强化学习环境中表现优异，通用性强，可用于人类反馈进行无梯度的上下文学习。
