OpenAI 智能体从单次人类演示学会 Montezuma's Revenge 并拿到 74,500 分

OpenAI 训练智能体仅凭单次人类演示在 Montezuma's Revenge 中得到 74,500 分，优于此前任何已公开结果。做法是让智能体从演示中精心挑选的状态开始连续游戏，并用 PPO 优化游戏分数，PPO 也是 OpenAI Five 所使用的基础强化学习算法。