#Exploration (1)

从单次演示中学习蒙特祖玛的复仇

仅用一次人类演示，把演示状态作为强化学习回合的起点并逐步后移，将稀疏奖励探索从指数级降到二次方；在《蒙特祖玛的复仇》上取得 74,500 分，超过此前所有公开结果。