AGI Hunt· kastnerkyle·2026-11-11 05:27· 4 小时前AI 评分35

SediBY571机器人RL策略以二值奖励达到94%成功率

二值奖励RL训练机器人策略达94%成功率，作者称配方已清晰

AI 导读

研究者 SediBY571 宣布，其机器人 RL 策略在约 70 亿训练步后，二值奖励下的成功率从 79% 跃升至 94%，最后 20 亿步完成提升。

来源：AGI Hunt · agihunt.info