open-ended-environments

介绍 AgentOdyssey，一个程序化文本游戏生成框架，旨在评估智能体在测试时持续学习的能力，包括探索、情景记忆、世界知识获取、技能学习和长时域规划。该框架突显了当前智能体与人类表现之间的显著差距。

本文介绍了JAMEL框架，该框架利用新奇信号联合训练代理记忆与探索策略，从而在开放环境中实现高效探索，并降低计算成本。

GRLO 提出了一种新颖的强化学习后训练方法，仅使用 5000 条提示和 22.7 GPU 小时，就在多个领域（数学、代码等）实现了强大的泛化能力，在效率和数据需求上显著优于领域内的 RLVR 基线。