Show HN: 观看神经网络学习玩贪吃蛇
摘要
一个基于网页的工具，可实时可视化神经网络（使用PPO算法）学习玩贪吃蛇，支持可配置参数和3D渲染。
查看缓存全文
缓存时间: 2026/05/15 18:33
相似文章
通过视频预训练学习玩 Minecraft
OpenAI 推出了视频预训练（VPT），这是一种半监督方法，通过学习 70,000 小时的未标注人类游戏视频和少量标注数据集来训练神经网络玩 Minecraft。该模型使用原生人类界面（键盘和鼠标）学习复杂的序列任务，展示了制作钻石工具和柱子跳跃等能力，代表了朝向通用计算机使用代理的进步。
OpenAI Microscope
OpenAI Microscope 是一个开源工具，能够系统地可视化常用视觉模型中的每个神经元，具备快速反馈循环和可链接的神经元，以支持可解释性研究。该平台将可视化时间从几分钟缩短到几秒，旨在使神经网络分析对研究社区更加易于访问。
Neural MMO: 大规模多智能体游戏环境
Neural MMO 是由 OpenAI 开发的大规模多智能体游戏环境，使智能体能够在可配置的瓷砖世界中学习，包含资源竞争、生存机制和战斗交互。
学习的机器人
# 学习的机器人 来源：[https://openai.com/index/robots-that-learn/](https://openai.com/index/robots-that-learn/) 该系统由两个神经网络驱动：视觉网络和模仿网络。视觉网络接收来自机器人摄像头的图像，并输出表示物体位置的状态。如[前所述\(在新窗口中打开\)](https://blog.openai.com/spam-detection-in-the-physical-world/)，视觉网络使用数十万个模拟
可解释的教学示例
研究表明，通过迭代训练师生神经网络，教师能学到可解释的教学策略，即选择或生成人类能够理解和有效学习的教学示例。