课程学习
机器学习中的一种训练策略，模仿人类教育由易到难的学习方式，先让模型训练简单任务，再逐步增加难度，以提升最终性能和训练效率
核心事实
时间轴 (近 90 天)
未来如果加入课程学习或模仿学习，智能体的表现可能进一步提升。
能力前沿（competence frontier）指策略当前成功率既非接近 0 也非接近 1 的任务难度区间，通常对应成功率大致在 20% 到 80% 之间。
REMORY 采用课程学习策略，早期 epoch 将 N 限制在 8 个 Token，后期逐步放宽到 64
RL策略有望通过引入课程学习等技术进一步缩小与规划器的性能差距，并迈向从仿真到实机的迁移
针对无人机竞速起飞难题，一种课程学习实现是将起飞初速度作为课程变量，从高初速度逐步向零速度退火，同时监控成功率自动调节课程推进节奏
VICO的协同进化可看作课程学习与自对弈思路在视觉语言模态的融合，EnvRewriter扮演根据学生能力动态出题的教师角色
现有多环境数据选择方法往往在环境级别分配训练量，或优先依赖基于奖励的局部信号来挑选数据，无法在 prompt-group 层面做精细选择
penalty_joint_pos_init通过课程学习随训练进程逐渐降低权重，penalty_slip防滑惩罚尚未实现
稀疏奖励场景下智能体往往需要借助课程学习、奖励塑形或基于内在动机的探索等技术才能有效收敛
课程学习（curriculum learning）通过安排训练任务的难度与多样性，引导模型逐步构建可泛化的能力
还有 4 条时间轴事件
全部知识事实 (16)
稀疏奖励场景下智能体往往需要借助课程学习、奖励塑形或基于内在动机的探索等技术才能有效收敛
75%已验证课程学习（Curriculum Learning）由Bengio等人于2009年系统化提出，核心思想是模仿人类「由易到难」的学习规律
75%已验证课程学习（Curriculum Learning）由Bengio等人于2009年提出，其核心思想是从简单样本逐步过渡到复杂样本，能够加速模型收敛并提升最终性能
65%待验证能力前沿（competence frontier）指策略当前成功率既非接近 0 也非接近 1 的任务难度区间，通常对应成功率大致在 20% 到 80% 之间。
50%待验证REMORY 采用课程学习策略，早期 epoch 将 N 限制在 8 个 Token，后期逐步放宽到 64
50%待验证针对无人机竞速起飞难题，一种课程学习实现是将起飞初速度作为课程变量，从高初速度逐步向零速度退火，同时监控成功率自动调节课程推进节奏
50%待验证VICO的协同进化可看作课程学习与自对弈思路在视觉语言模态的融合，EnvRewriter扮演根据学生能力动态出题的教师角色
50%待验证现有多环境数据选择方法往往在环境级别分配训练量，或优先依赖基于奖励的局部信号来挑选数据，无法在 prompt-group 层面做精细选择
50%待验证penalty_joint_pos_init通过课程学习随训练进程逐渐降低权重，penalty_slip防滑惩罚尚未实现
50%待验证课程学习（curriculum learning）通过安排训练任务的难度与多样性，引导模型逐步构建可泛化的能力
50%待验证Qwen3训练团队采用渐进式训练策略：先完成简单任务，然后扩大规模、引入多任务、再逐步增加任务难度
50%待验证训练采用展开视野课程学习，从K=2开始逐步加倍至512（2→4→8→16→32→64→128→256→512）
50%待验证动态调整环境难度以匹配Agent能力水平借鉴了课程学习（Curriculum Learning）的思想
50%待验证课程学习（curriculum learning）在双足行走场景中的典型设计是先学站立平衡、再外力辅助单步迈进、逐步减少辅助直到自主行走
50%待验证未来如果加入课程学习或模仿学习，智能体的表现可能进一步提升。
50%待验证RL策略有望通过引入课程学习等技术进一步缩小与规划器的性能差距，并迈向从仿真到实机的迁移
50%