该研究提出了一种元学习方法，通过演化可微损失函数优化策略，提升梯度强化学习算法的效率。实验表明，演化策略梯度算法（EPG）在多个随机环境中学习更快，且损失函数在测试任务中表现出良好的推广性，与其他元学习算法不同。
完成下面两步后，将自动完成登录并继续当前操作。
