GARDEN：跨场景复用奖励设计的MARL方法

2026年10月30日，arXiv Artificial Intelligence 报道了 Dogan Urgun 提出的 GARDEN（Generalist Autonomous Reward Design through Evidence Navigation）通用自主奖励设计方法。报道称，该方法让 LLM 奖励工程师在开发阶段查阅环境代码、训练记录与智能体行为，为一系列相关场景设计一份奖励程序，并原样迁移到设计时未见的场景。报道给出的结果显示，在 Overcooked 和 SMAX 的未见场景上，任务回报较默认奖励分别提升 58.2% 和 52.5%，两个战斗场景的平均胜率从 51.0% 升至 89.9%。上述数字与结论均来自该篇报道，尚无后续跟进报道对其加以独立验证或修正。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。