arXiv · cs.AI · Chase J. Metoyer · 5 小时前模型评分45
搜索找到、被捷径破坏：搜索所得内在奖励的迁移与篡改
Found by Search, Broken by a Shortcut: Transfer and Tampering of Searched Intrinsic Rewards
导读
研究用 CMA-ES 与等预算随机搜索共 1,560 次 PPO 训练，筛选由四类通用事件组合而成的内在奖励，并在未见过的 KeyCorridorS3R2 任务上测试迁移。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Can a search over innate drives find intrinsic rewards that help a reinforcement-learning agent learn, transfer to a task it never saw, and resist an exploit that was absent during the search?”
来源：arXiv · cs.AI · arxiv.org