代码进化

基于大模型的强化学习奖励函数优化研究项目，性能优于人类专家 该项目利用GPT-4这类先进大模型的零样本生成、代码编写和上下文改进能力，对强化学习奖励代码进行进化优化，生成的奖励可用于训练复杂智能技能。在29个开源强化学习环境（含10种机器人形态）中，其生成的奖励函数表现优于人类专家设计结果，支持灵活改进提升奖励质量与安全性，结合课程学习可实现复杂机器人操控任务。