heuristic-learning

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。