【斯坦福-NLP-seminar】知识密集强化学习，72页ppt，Facebook TIM

强化学习(RL)方法的进展与挑战环境的发展密切相关，这些环境测试了当前方法的极限。虽然现有的RL环境要么足够复杂，要么基于快速模拟，但它们很少同时具备这两点。此外，RL的研究主要集中在可以接近白板的环境上，也就是说，不需要将任何领域或世界知识转移到模拟环境之外的代理。我将谈论《NetHack学习环境》(NLE)，这是一个可扩展的、程序生成的、随机的、丰富的和具有挑战性的研究环境，基于流行的单人终端游戏《NetHack》。我们认为，《NetHack》足够复杂，能够推动对探索、规划、技能习得和语言条件下的RL等问题的长期研究，同时大大减少收集大量经验所需的计算资源。有趣的是，这款游戏甚至对人类玩家来说都是极具挑战性的，因为人类玩家通常需要多年时间才能第一次解决这一问题，他们通常会求助于外部自然语言知识资源，如《NetHack Wiki》，以提高自己的技能。在演讲的最后，我还将介绍我们最近在大规模文本知识源的条件作用方面的工作，以及这些技术如何为将来在更复杂、更真实的环境中实现高效的样本RL铺平道路。

https://nlp.stanford.edu/seminar/details/timrocktaschel.shtml