热点事件持续更新
研究团队完成自发现强化学习规则Disco103首个因果机制审计
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年9月30日，研究人员在arXiv发布论文，对超越PPO达SOTA水平的自发现强化学习规则Disco103展开了首个因果机制审计，以评估学习历史究竟是资产还是负担。审计结果显示，循环历史可将可用奖励尺度扩展至6个数量级（在归零固定设置下仅为3个），而历史不匹配所带来的惩罚源于持续钳制机制。同时研究指出，在环境发生变化时，若控制回放保留，会反转其相对DQN的适应优势。目前，该分析框架已成功迁移并验证至OPEN规则。
AI 根据报道生成 · 15 小时前更新
最新进展9月30日 12:00
研究人员对自发现强化学习规则Disco103展开因果机制审计，并迁移验证至OPEN规则。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 人工智能体验时代的自发现强化学习：学习历史是资产还是负担？
研究人员对超越 PPO 达 SOTA 的自发现强化学习规则 Disco103 展开首个因果机制审计，评估学习历史是资产还是负担。审计发现循环历史可将可用奖励尺度扩展至 6 个数量级（归零固定下仅 3 个），且历史不匹配的惩罚源于持续钳制。在环境变化下控制回放保留会反转其相对 DQN 的适应优势，该框架已迁移验证至 OPEN 规则。
本事件热度走势
当前热度 6·可比范围峰值 9（9月30日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。