之所以智能体能够以更大的可能性，学会某一个需要多步骤才能完成的任务，是因为有了元控制器，模型隐含地学会了将长序列任务分解为可重用的子程序（如「移动到某色块」），这就让搜索空间变小，奖励也不再稀疏。 这个过程…
06/25 00:17
06/25 00:16
06/25 00:15
京公网安备 11011402013531号