thehumanbox
一个基于浏览器的文明沙盒模拟项目，每个模拟人都是独立的表格型Q学习器，新生儿继承母亲Q表并伴随变异，用Rust编写并编译为WebAssembly
时间轴 (近 90 天)
「thehumanbox」项目中的每个模拟人都是一个独立的表格型Q学习器（tabular Q-learner）。
新生儿会继承母亲Q表的一份副本，其中约20%的值会被微调（±0.03）。
孩子的特质从父母双方混合并变异，还会继承母亲的词汇表以及她对其他部落的态度。
thehumanbox 用 Rust 编写并编译为 WebAssembly，完全在浏览器中运行，无需后端。
thehumanbox 的动作空间约有5000个可能动作，受时代、年龄、地点以及部落已发现的技术限制。
thehumanbox 的动作选择会优先处理生存需求，然后基于已学到的值执行 ε-贪婪策略。
thehumanbox 的相关代码位于开源仓库（MIT协议）的 crates/sim-core/src/sim/agents/growth.rs 和 organism/organism/learning.rs。
开发者坦言 thehumanbox 的两个主要弱点是：状态空间是手工构建的字符串，奖励函数也是手工塑形的。
开发者明确表示好奇 RL 社区对 thehumanbox 状态空间和奖励设计的看法。
thehumanbox 项目的设计意图是探索「学习结果作为可遗传单位」的可行性，把Q表当作一种「行为基因组」。
全部知识事实 (10)
「thehumanbox」项目中的每个模拟人都是一个独立的表格型Q学习器（tabular Q-learner）。
50%待验证新生儿会继承母亲Q表的一份副本，其中约20%的值会被微调（±0.03）。
50%待验证孩子的特质从父母双方混合并变异，还会继承母亲的词汇表以及她对其他部落的态度。
50%待验证thehumanbox 用 Rust 编写并编译为 WebAssembly，完全在浏览器中运行，无需后端。
50%待验证thehumanbox 的动作空间约有5000个可能动作，受时代、年龄、地点以及部落已发现的技术限制。
50%待验证thehumanbox 的动作选择会优先处理生存需求，然后基于已学到的值执行 ε-贪婪策略。
50%待验证thehumanbox 的相关代码位于开源仓库（MIT协议）的 crates/sim-core/src/sim/agents/growth.rs 和 organism/organism/learning.rs。
50%待验证开发者坦言 thehumanbox 的两个主要弱点是：状态空间是手工构建的字符串，奖励函数也是手工塑形的。
50%待验证开发者明确表示好奇 RL 社区对 thehumanbox 状态空间和奖励设计的看法。
50%待验证thehumanbox 项目的设计意图是探索「学习结果作为可遗传单位」的可行性，把Q表当作一种「行为基因组」。
50%