paper Eureka

[junxnone]

Eureka

• Eureka - Evolution-driven Universal REward Kit for Agent
• 使用 LLMs(GPT-4) 生成 RL 中的奖励函数(替代手动设计激励函数)
  • 没有预定义激励函数模板
• curriculum learning
• RLHF 微调激励函数
• Input
  • 原始环境源代码(没有 reward code)
  • 任务描述
• Output
  • 奖励函数

Arch

python package Eureka

• 使用 GPT4, 需要 OpenAI API Key
  • 需要用虚拟 SMS 服务，充值最少 2＄(印度尼西亚 虚拟号码使用一次约 0.11＄)
  • 注册 OpenAI 后约 5 ＄ 的免费使用额度

Reference

• paper Eureka: Human-Level Reward Design via Coding Large Language Models
• Code