GPT4教机器人盘转笔，那叫一个丝滑！
最近，那个启发了数学家陶哲轩的GPT-4，在聊天中又开始教机器人如何转笔了项目叫AgentEureka，是由英伟达、宾州大学、加州理工学院和得克萨斯大学奥斯汀分校联手研发的。他们的研究结合了GPT-4结构的能力和强化学习的优势，让Eureka能设计出精妙的奖励函数。GPT-4的编程能力赋予Eureka强大的奖励函数设计技巧。这意味着，在大部分任务中，Eureka自己设计的奖励方案，甚至比人类专家更出色。这让它能完成一些人类难以完成的任务，包括转笔、打开抽屉，盘核桃，甚至更复杂的任务，如抛接球，操作剪刀等等
最近，那个启发了数学家陶哲轩的GPT-4，在聊天中又开始教机器人如何转笔了
项目叫Agent Eureka，是由英伟达、宾州大学、加州理工学院和得克萨斯大学奥斯汀分校联手研发的。他们的研究结合了 GPT-4 结构的能力和强化学习的优势，让 Eureka 能设计出精妙的奖励函数。
GPT-4 的编程能力赋予 Eureka 强大的奖励函数设计技巧。这意味着，在大部分任务中，Eureka 自己设计的奖励方案，甚至比人类专家更出色。这让它能完成一些人类难以完成的任务，包括转笔、打开抽屉，盘核桃，甚至更复杂的任务，如抛接球，操作剪刀等等。
图片
图片
虽然目前这些都是在模拟环境中完成的，但这已经非常厉害了。
项目已经开源，项目地址和论文地址已经放在文末
简单总结下论文的核心要点。
论文探讨了如何使用大型语言模型（LLM）来设计并优化机器学习中的奖励函数。这是一个重要的课题，因为设计好的奖励函数可以大大提高机器学习模型的性能，但是设计这样的函数是非常困难的。
研究人员提出了一种名为EUREKA的新算法。EUREKA采用LLM来生成和改进奖励函数。在测试中，EUREKA在29种不同的强化学习环境中达到了人类级别的性能，并在83%的任务中超越了人类专家设计的奖励函数
EUREKA成功解决了一些以前无法通过人工设计奖励函数解决的复杂操作任务，例如模拟「Shadow Hand」手部快速转笔的操作
此外，EUREKA 提供了一种全新的方法，能够根据人类的反馈来生成更加有效、更符合人类期望的奖励函数
EUREKA 的工作方式包括三个主要步骤：
将环境作为上下文：EUREKA 使用环境的源代码作为上下文，以生成可执行的奖励函数
2. 进化搜索：EUREKA 通过进化搜索的方式，不断提出和改进奖励函数
3. 奖励反思：EUREKA 根据策略训练的统计数据生成奖励质量的文本总结，从而自动和有针对性地改进奖励函数。 3. 奖励反思：EUREKA 根据策略训练的统计数据生成奖励质量的文本总结，以便自动且有针对性地改进奖励函数
这项研究可能会对强化学习和奖励函数设计领域产生深远影响，因为它提供了一种新的、有效的方法来自动生成和改进奖励函数，而且这种方法的性能在许多情况下超过了人类专家。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
