千层网络让自监督RL性能倍增

自监督强化学习的网络深度从常规的2-5层扩展至1024层后，智能体在无奖励、无演示的目标达成任务中性能提升了2至50倍。

过去几年，强化学习研究普遍依赖浅层架构，导致其难以像语言或视觉模型那样通过规模扩展获得突破。这项由Kevin Wang等人完成的研究表明，深度本身是解锁自监督RL可扩展性的关键因素。

实验在模拟的运动和操作任务中进行，采用对比式自监督RL算法。结果显示，增加深度不仅提高了成功率，还改变了智能体学到的行为模式。该论文已被NeurIPS 2025接收并获最佳论文奖，但结论尚未在真实物理环境中复现。