Plasticine：加速塑性动机深层强化学习研究
机器学习
2026-02-11 v2 人工智能
摘要
开发终身学习智能体对于人工通用智能 (AGI)至关重要。然而，深度强化学习 (RL) 系统常常出现塑性损失，即在训练期间神经网络逐渐丧失适应性。尽管此领域具有重要意义，但缺乏统一的基准和评估协议。我们介绍 Plasticine，这是第一个用于基准化塑性优化在深层强化学习中的框架。Plasticine 提供了超过 13 种缓解方法的单文件实现，6 个评估指标，以及从标准到持续变化环境的逐步增加的非平稳性情景。该框架使研究人员能够系统地量化塑性损失，评估缓解策略，并在不同情境中分析塑性动力学。我们的文档、示例和源代码均可在 https://github.com/RLE-Foundation/Plasticine 获取。
引用
@article{arxiv.2504.17490,
title = {Plasticine: Accelerating Research in Plasticity-Motivated Deep Reinforcement Learning},
author = {Mingqi Yuan and Qi Wang and Guozheng Ma and Caihao Sun and Bo Li and Xin Jin and Yunbo Wang and Xiaokang Yang and Wenjun Zeng and Dacheng Tao and Jiayu Chen},
journal= {arXiv preprint arXiv:2504.17490},
year = {2026}
}
备注
21 pages, 7 figures