同样的题刷一百遍，人不会变强，agent 也一样。
谷歌研究团队的论文 EnvHarness 冲的就是这个：训练环境多是手工搭的固定关卡，agent 一变强就教不动了。
它不重造环境，而是在外
静态环境教不动更强的 agent
阅读：1
点赞：0
同样的题刷一百遍，人不会变强，agent 也一样。
谷歌研究团队的论文 EnvHarness 冲的就是这个：训练环境多是手工搭的固定关卡，agent 一变强就教不动了。
它不重造环境，而是在外