OpenAI 仅凭单次人类演示在《蒙特祖玛的复仇》中取得 74500 分

OpenAI 训练的智能体仅凭借单次人类演示就在游戏《蒙特祖玛的复仇》中取得 74,500 分的高分，优于此前已发表的所有结果。该方法让智能体从演示中精心挑选的状态序列开始游玩，并采用与 OpenAI Five 相同的 PPO 强化学习算法优化游戏得分。