Link：eureka
Eureka是一種人類級獎勵設計演算法，透過編碼大型語言模型實現。它利用最先進的語言模型（如GPT-4）的零樣本生成、編寫程式碼和上下文改進能力，對獎勵程式碼進行進化最佳化。生成的獎勵可以用於透過強化學習獲得複雜的技能。Eureka生成的獎勵函式在29個開源強化學習環境中，包括10種不同的機器人形態，優於人類專家設計的獎勵函式。Eureka還能夠靈活地改進獎勵函式，以提高生成獎勵的質量和安全性。透過與課程學習相結合，使用Eureka獎勵函式，我們首次展示了一個模擬的Shadow Hand能夠進行旋轉筆的技巧，熟練地以快速的速度在圓圈中操縱筆。
需求人群：
"適用於需要進行獎勵設計和強化學習的任務"
產品特色：
利用大型語言模型進行獎勵設計
透過進化最佳化生成複雜的獎勵函式
使用生成的獎勵函式進行強化學習