规则式课程系统AHC在Craftax-Full超越PPO基线
热点事件持续更新
规则式课程系统AHC在Craftax-Full超越PPO基线
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Jiayu Zhu 等作者提出 Anchor-and-Harvest Curriculum（AHC），一套基于规则、不使用 LLM 推理的 Craftax-Full 训练系统，保留全部 43 个动作。作者称其在 2,005,401,600 次 PPO rollout transitions 下取得原生任务回报 46.70±0.57，高于相同架构与评测协议的 native PPO-GTrXL 的 41.91±1.01。这一结果说明在不依赖 LLM 推理的前提下，规则化课程训练在该任务上可超过 PPO-GTrXL 基线，对比仅在相同架构与评测协议下成立。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
Anchor-and-Harvest Curriculum：不依赖 LLM 推理的 Craftax-Full 全动作课程训练系统报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIAnchor-and-Harvest Curriculum：不依赖 LLM 推理的 Craftax-Full 全动作课程训练系统
Anchor-and-Harvest Curriculum（AHC）是一套基于规则、不使用 LLM 推理的 Craftax-Full 训练系统，保留全部 43 个动作，在 2,005,401,600 次 PPO rollout transitions 下取得原生任务回报 46.70±0.57，高于相同架构与评测协议的 native PPO-GTrXL 的 41.91±1.01。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。