鸟瞰迭代奖励设计
A Bird's-Eye View of Iterative Reward Design
AI 导读
研究者提出迭代奖励设计基准 BIRD，将现有利用策略反馈生成并迭代改进奖励代码的 LLM 方法统一到相同配置和评测空间，使各算法可直接比较、单独消融设计选择，并在相同反馈条件和策略训练预算下原型新组件。在 MuJoCo、Meta-World、Assistax 和 HumanoidBench 上的实验中，作者发现少数简单设计选择能持续提升性能，组合后显著优于此前已评测的方法。结果凸显简单基线的优势，代码已在 https://github.com/safety-research/bird 开源。