Artículos e investigación

OpenAI plantea las estrategias evolutivas (ES) como alternativa escalable al aprendizaje por refuerzo

Título original:Evolution strategies as a scalable alternative to reinforcement learning

Resumen de IA

OpenAI descubre que las estrategias evolutivas (ES), una técnica de optimización con décadas de historia, pueden igualar el rendimiento de los métodos estándar de aprendizaje por refuerzo en referencias modernas de RL como Atari y MuJoCo, al tiempo que superan muchas de las limitaciones del RL.

Puntos clave

  • OpenAI descubre que las estrategias evolutivas (ES)
  • una técnica de optimización con décadas de historia,pueden igualar el rendimiento de los métodos…
  • al tiempo que superan muchas de las limitaciones del RL.

Resumen rápido

Publicado
Actualizado
Fuente
OpenAI:官网动态(RSS · 排除企业/客户案例)
Categoría
Artículos e investigación
Puntuación IA
63
Leer el original Leer el artículo completo en la fuente original
Por qué importa

原文指出进化策略在 Atari/MuJoCo 基准上可媲美标准 RL,并克服 RL 的诸多不便,读者可借此了解另一种可扩展的优化路线。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: OpenAI plantea las estrategias evolutivas (ES) como alternativa escalable al aprendizaje por refuerzo. 24. marzo 2017. https://new.nat6.net/es/news/bh7qfvh72r7xct59504ps6g1k/

Ver todo →