上周末，一篇来自 META 超级智能实验室MSL、FAIR、俄亥俄州立大学的研究，提出了一个名为早期经验的中间路线。它的核心想法很简单，让Agent在训练时，既从人类专家数据里学，也从自己的试错里学。具体来说，Agent在环境中提出替代行动，收集这些行动带来的未来状态（Future States），然后把这些未来状态直接变成监督信号。不用等外部奖励，也不用完全依赖专家，Agent自己的行动后果，就是最好的老师。

聊天讨论群，微信群二维码，可加个人微信gxjdian入群