RLDiscover：LLM驱动强化学习算法自进化
原文标题：RLDISCOVER: LLM-driven co-evolution of reinforcement learning algorithms
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出RLDiscover框架，实现无模型深度强化学习算法的自进化，通过渐进式协同进化与渐进式概率评估平衡搜索广度与评估保真度。在SAC、PPO、DQN及四个基准套件上平均回报中位数提升32%-84%，峰值回报比约363倍。
- 问题
- 无模型深度RL算法难以自动改进，耦合组件联合搜索难扩展且评估昂贵。
- 方法
- 提出RLDiscover，用渐进式协同进化从局部编辑走向联合进化，配合渐进式概率评估平衡搜索广度与评估保真度。
- 结果
- 在SAC、PPO、DQN及四个基准套件上，各族中位回报提升32%-84%，峰值回报比约363倍；评估算力约为完整评估的十五分之一。
- 影响
- 展示RL算法本身可被LLM自动进化，可能改变算法研发流程，从人工设计转向可复现的搜索。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RLDiscover让无模型深度RL算法自进化，平均回报中位数提升32%-84%。
- •针对耦合算法组件联合搜索难扩展、候选评估训练成本高两大障碍
- •渐进式协同进化从定向组件编辑推进到联合进化，渐进式概率评估用分阶段训练与重复评估平衡搜索广度与评估保真度
- •在SAC、PPO、DQN及四个基准套件上，各家族回报中位数提升32%-84%，峰值回报比约363倍（相对近零基线）
- •增益包含从学习失败到成功完成任务的转变，且从更强开源实现出发进化时改进仍持续
- •实测SAC locomotion运行中，评估所用算力约为完整评估同一候选池的十五分之一
为什么重要：把LLM程序进化用于RL算法本身，若增益可复现，将改变RL算法调参与设计的成本结构。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。