待验证50% 置信事实精确时间

OpenAI Five于2018年面对实时、不完全信息、连续动作空间的挑战，使用大规模分布式PPO和长达10个月的训练

1

来源数

50%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

M.A.R.A：用强化学习从零训练会战斗的AI坦克

相关事实

待验证OpenAI通过定期用新数据微调模型和提供联网搜索工具两种方式缓解训练数据截止的局限72% 相似已验证PPO由OpenAI于2017年提出，通过裁剪目标函数限制策略更新幅度以保证训练稳定性，依赖GPU加速70% 相似待验证OpenAI Five用强化学习训练出能击败职业电竞选手的Dota 2 AI68% 相似待验证FIM（填充中间）训练范式由OpenAI在2022年的研究中系统化提出68% 相似待验证OpenAI在训练灵巧手解魔方时使用了自动域随机化（Automatic Domain Randomization），通过动态调整环境难度保证训练效率66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/699359

API

curl https://kongchang.com/api/v1/knowledge/claims/699359

MCP

get_claim(id=699359)