模型
Disco103
算法自发现方向的代表性成果，通过进化搜索或梯度元学习发现通用参数更新公式，在多个标准强化学习基准上超越近端策略优化（PPO）算法
时间轴 (近 90 天)
9月30日
自发现算法Disco103已经超越了经典的PPO，在多个基准测试中达到了SOTA性能
待验证50%
算法自发现方向的代表性成果，通过进化搜索或梯度元学习发现通用参数更新公式，在多个标准强化学习基准上超越近端策略优化（PPO）算法
自发现算法Disco103已经超越了经典的PPO，在多个基准测试中达到了SOTA性能