检查点
Eureka：利用代码大语言模型自动化奖励设计
了解为何强化学习中的奖励设计困难、依赖人工且脆弱，并探讨 Eureka 如何将其重构为智能体自动化可处理的任务。
No configuration found for ID: 969221f52af7e21ea609b22f4d69413dd97e49b6b62cd3db92dcbaf7a7bc6a48
...
Eureka奖励设计过程的核心迭代循环。该过程从读取环境代码开始，生成初始奖励函数，在模拟器中进行测试，然后根据结果反思并修订奖励函数
...
...
...
...
Eureka学习代理的设计架构
Quiz
单选题
如果 Eureka 生成的奖励函数导致智能体出现不安全或非预期的行为（例如机械臂为最大化奖励而危险地高速旋转），最合适的应对策略是什么？
1 / 1