IXThinker·2026-05-10 20:20

無梯度學習範式：大模型寫代碼稱霸經典遊戲

有OpenAI研究員提出名為啟發式學習的強化學習新範式，無需神經網絡訓練與梯度更新，改由大模型驅動的編程助手自主迭代代碼，在經典遊戲Breakout達到理論滿分，部分任務更勝老牌算法，引發業界關注。

打破滿分紀錄

在沒有訓練梯度的前提下，該方法在經典電子遊戲Breakout打出八百六十四分的理論滿分，打破此前紀錄。整個過程由大模型驅動的Codex自主迭代完成，展現以代碼為載體的學習路線在特定任務上的驚人效率。