OpenAI 用基于预测的奖励做强化学习：RND 方法首次在 Montezuma's Revenge 上超越人类平均表现

OpenAI 提出 Random Network Distillation（RND），一种基于预测的奖励方法，通过好奇心鼓励强化学习智能体探索环境。该方法首次在 Montezuma's Revenge 上超越人类平均表现。