本文探讨了通过引入可量化噪声来评估强化学习代理在新环境中的推广能力。研究表明，在60个ATARI游戏中，采用不同噪声设置的训练方法显著提升了代理的表现。此外，提出了一种基于偏好反馈的元强化学习方法，能够快速适应新任务，实验结果优于传统算法。