OpenAI 发布 Evolved Policy Gradients：通过进化损失函数实现智能体快速适应新任务

OpenAI 发布一种实验性元学习方法 Evolved Policy Gradients（EPG），通过进化学习智能体的损失函数，使其能在全新任务上快速训练。经 EPG 训练的智能体在测试时可完成训练分布之外的基础任务，例如导航到房间中与训练时放置位置不同一侧的物体。