Atari-100k 是强化学习研究中的标准评测基准,指在 26 款 Atari 游戏上仅用 10 万步环境交互(约相当于人类两小时的游玩经验)来衡量算法的样本效率,得分以相对人类表现的归一化中位数与均值报告。由于交互预算极为有限,它被视为检验模型型强化学习与数据高效算法的重要试金石。
Atari-100k 基准上的近期进展
当前焦点与观察点
目前围绕 Atari-100k 的讨论集中在两点:一是榜单已高度饱和,头部方法的成绩差异缩小,社区开始质疑它还能否有效区分算法优劣,部分研究转向更长的交互预算或更复杂的环境;二是方法层面,从纯像素重建目标转向关注事件转折点、长时程记忆和离线数据截断等结构性问题,反映出研究重心正从“压榨分数”转向理解模型为何失败。观察后续工作是否在 Atari-100k 之外提供鲁棒性证据,会比单看分数更有参考价值。