IXThinker·2026-04-12 20:10

牛津博士論文探高效智能體訓練新方法

一篇牛津大學博士論文聚焦長時程決策任務的智能體訓練效率，針對強化學習樣本效率低、忽略基座模型先驗知識與長期記憶衰減三大問題，提出三項遞進式貢獻，包括對最具信息量的狀態轉移重加權，大幅提升樣本利用效率。

三大核心挑戰

強化學習的研究範疇已從桌面模擬器拓展至真實機器人與開放世界遊戲，但現有智能體仍面對三重挑戰：學習過程樣本效率極低、忽視基座模型中編碼的先驗知識，以及數百步操作後便遺忘大部分既往經驗。