FARL：全自动强化学习设计框架发布

Tianyu Jin 等作者发布论文提出 FARL，一个全自动强化学习设计框架，联合搜索观测与奖励程序、学习算法及训练配置，并通过训练统计与行为诊断失败、提出并验证改进方案。 据论文报告，在 Adroit Hand Relocate 任务上，FARL 以每策略 5M 训练步达到 97.1% 成功率，而 Eureka 和 LiMEN 为 0%、原生 PPO 为 1.0%；该框架在导航、运动和操作等挑战性任务上优于所评估的自动化基线。 上述结果均为论文作者自报，来自 arXiv cs.AI 分类页面，尚未见独立复现或同行评议结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。