difficulty-scaling

本文认为简单地扩展多模态环境并不总能改善智能体训练，并提出了能力感知环境选择（AES）和分层难度课程（HDC），以在多样性和难度维度上更好地构建环境分布。

本文介绍了Quantum Frog，一种具有量化时间机制的双人合作游戏，并利用强化学习分析了难度缩放、最优策略以及智能体之间的涌现合作。

介绍LPDS，一个通过缩放逻辑保持变体的难度来系统评估LLM鲁棒性的框架，发现性能下降高达随机采样的5倍，并在更难变体上训练提高了鲁棒性。