本文探讨了大语言模型在持续预训练中的学习动态，分析了通用性能与特定领域性能的演变，并提出了CPT缩放法则，为训练超参数优化提供新见解。

本文提出了一种无地图的移动机器人规避导航的预训练深度强化学习方法，通过将原始传感器数据映射到控制变量并在未知环境中导航。实验证明我们的 DRL 模型具有在不同环境下的通用性能。