← 机器人智能体 / 任务与评测环境

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
奖励代码的生成、评估与反思Eureka · 原文 Fig. 2 · p.2 ↗

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。

  1. 01生成奖励代码
  2. 02训练策略评估奖励
  3. 03根据反馈修订奖励
Eureka奖励代码的生成、评估与反思
奖励代码的生成、评估与反思

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。 来源 ↗ · 打开完整图片 ↗

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。

当前阶段任务与评测环境 ↗

如何定义活动、提供训练环境并检查能力?

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