斯坦福博士揭露强化学习衰落真相：学术短视与LLM抢人致RL领域陷困境

强化学习曾在AlphaGo、OpenAI Five等项目中展现超越人类的表现，但近年来因学术标准不合理、实验成本高、人才流向大模型等原因陷入低谷。Joseph Suarez回顾RL发展历程，指出当前研究效率低下、复现困难等问题，并提出通过工程优化与新工具（如PufferLib 3.0）提升训练速度，强调以实际训练时间而非样本数评估进展，推动RL在复杂任务中的泛化应用。
来源：https://mp.weixin.qq.com/s/_hUl6kkea6VlS04K-WHmsg