← 机器人智能体 / 任务与评测环境奖励代码的生成、评估与反思Eureka · 原文 Fig. 2 · p.2 ↗
正式发表 / Robot Agentic
Eureka
Eureka: Human-Level Reward Design via Coding Large Language Models
ICLR · 2024CCF A
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
LLM 读取环境代码与任务描述生成奖励函数;GPU 强化学习评估候选奖励,反馈用于下一轮奖励修订。
- 01生成奖励代码
- 02训练策略评估奖励
- 03根据反馈修订奖励
THE IDEA
它在解决什么
用语言模型生成奖励代码,根据训练反馈迭代改进奖励设计。
WHY READ IT
为什么放在这条路线
把 Agent 从执行者扩展为学习过程的设计者,形成反馈驱动的优化闭环。
READ WITH A QUESTION
读的时候,留意什么
主要证据来自仿真,奖励指标提升和真实机器人迁移不能直接画等号。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器