标签
论文提出了对抗式启发学习（AHL）范式，并介绍了 AAArena 基准。该基准包含 12 个真实对抗游戏和 1,920 个历史人类程序，用于评估 AI 智能体能否通过修改可执行策略，在长期游戏竞赛中达到顶尖水平。结果显示，Opus 5.5 搭配 Claude Code 获得了 6 枚金牌，但在规则复杂的游戏中表现较弱。
本文介绍了AHL Studio，这是一个使用智能体启发式学习的工具，无需传统训练即可创建用于人类活动识别的可执行、可检查策略，目标面向边缘部署。
文章提出利用coding agent维护和迭代程序化策略系统以取代神经网络梯度更新，在Deep RL测试中达到基线水平，被视为继预训练和RLHF之后的潜在新范式。
前OpenAI研究员翁家翌提出“启发式学习”新范式，利用大模型生成并迭代修改Python代码解决强化学习任务，将知识存储在可解释的代码中而非神经网络参数，有效避免灾难性遗忘，目前已在Atari和MuJoCo基准上取得优异成果并开源代码。