OpenAI 用单次人类演示在 Montezuma's Revenge 中取得 74,500 分

OpenAI 训练的智能体仅凭一次人类演示就在 Montezuma's Revenge 中取得 74,500 分的高分，超过此前任何已发表结果。该算法让智能体从演示中精心挑选的状态开始玩游戏序列，并通过 PPO 优化游戏分数进行学习，PPO 正是支撑 OpenAI Five 的强化学习算法。