两小时就能超过人类！DeepMind最新AI速通26款雅达利游戏

---

deepmind的ai智能体，又来卷自己了！

注意看，这个名叫BBF的家伙，只用2个小时，就掌握了26款雅达利游戏，效率和人类相当，超越了自己一众前辈。

要知道，AI智能体通过强化学习解决问题的效果一直都不错，但最大的问题就在于这种方式效率很低，需要很长时间摸索。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图片

而BBF带来的突破正是在效率方面。

怪不得它的全名可以叫Bigger、Better、Faster。

而且它还能只在单卡上完成训练，算力要求也降低许多。

BBF由谷歌DeepMind和蒙特利尔大学共同提出，目前数据和代码均已开源。

最高可取得人类5倍成绩

用于评价BBF游戏表现的数值，叫做IQM。

IQM是多方面游戏表现的综合得分，本文中的IQM成绩以人类为基准进行了归一化处理。

经与多个前人成果相比较，BBF在包含26款雅达利游戏的Atari 100K测试数据集中取得了最高的IQM成绩。

并且，在训练过的26款游戏中，BBF的成绩已经超过了人类。

与表现相似的Eff.Zero相比，BBF消耗的GPU时间缩短了将近一半。

而消耗GPU时间相似的SPR和SR-SPR，性能又和BBF差了一大截。

图片

而在反复进行的测试中，BBF达到某一IQM分数的比例始终保持着较高水平。

甚至有超过总测试次数1/8的运行当中取得了5倍于人类的成绩。

图片

即使加上其他没有训练过的雅达利游戏，BBF也能取得超过人类一半的分数IQM分数。

而如果单独看未训练的这29款游戏，BBF的得分是人类的四至五成。

图片

以SR-SPR为基础修改

推动BBF研究的问题是，如何在样本量稀少的情况下扩展深度强化学习网络。

ChatGPT Writer

免费 Chrome 扩展程序，使用 ChatGPT AI 生成电子邮件和消息。

106 查看详情

为了研究这一问题，DeepMind将目光聚焦在了Atari 100K基准上。

但DeepMind很快发现，单纯增大模型规模并不能提高其表现。

图片

在深度学习模型的设计中，每步更新次数（Replay Ratio，RR）是一项重要参数。

具体到雅达利游戏，RR值越大，模型在游戏中取得的成绩越高。

最终，DeepMind以SR-SPR作为基础引擎，SR-SPR的RR值最高可达16。

而DeepMind经过综合考虑，选择了8作为BBF的RR值。

考虑到部分用户不愿花费RR=8的运算成本，DeepMind同时开发了RR=2版本的BBF

图片

DeepMind对SR-SPR中的多项内容进行修改之后，采用自监管训练得到了BBF，主要包括以下几个方面：

• 更高的卷积层重置强度：提高卷积层重置强度可以增大面向随机目标的扰动幅度，让模型表现更好并减少损失，BBF的重置强度增加后，扰动幅度从SR-SPR的20%提高到了50%
• 更大的网络规模：将神经网络层数从3层提高至15层，宽度也增大4倍
• 更新范围（n）缩小：想要提高模型的表现，需要使用非固定的n值。BBF每4万个梯度步骤重置一次，每次重置的前1万个梯度步骤中，n以指数形式从10下降至3，衰减阶段占BBF训练过程的25%
• 更大的衰减因子（γ）：有人发现增大学习过程中的γ值可以提高模型表现，BBF的γ值从传统的0.97增至0.997
• 权重衰减：避免过度拟合的出现，BBF的衰减量约为0.1
• 删除NoisyNet：原始SR-SPR中包含的NoisyNet不能提高模型表现

消融实验结果表明，在每步更新次数为2和8的条件下，上述因素对BBF的表现均有不同程度的影响。

图片

其中，硬复位和更新范围的缩小影响最为显著。

图片

而对于上面两个图中没有提到的NoisyNet，对模型表现的影响则并不显著。

图片

论文地址：https://arxiv.org/abs/2305.19452GitHub项目页：https://github.com/google-research/google-research/tree/master/bigger_better_faster

参考链接：[1]https://www.php.cn/link/69b4fa3be19bdf400df34e41b93636a4

[2]https://www.marktechpost.com/2025/06/12/superhuman-performance-on-the-atari-100k-benchmark-the-power-of-bbf-a-new-value-based-rl-agent-from-google-deepmind-mila-and-universite-de-montreal/

— 完 —

以上就是两小时就能超过人类！DeepMind最新AI速通26款雅达利游戏的详细内容，更多请关注其它相关文章！

# 效率  # 速通  # 就能  # 达利  # 两小时  # 开源  # AI  # 甘肃seo培训代理  # 外贸seo黑帽培训  # 网站优化维护多少钱  # 企业网站建设内容域名  # 短视频推广营销拓客话术  # 天津seo优  # 太仓网站建设方案外包  # 营销网站优化选择  # seo心电图  # 广元做推广的网站多少钱  # 上海  # 万个  # 蒙特利尔  # 解决问题  # 谁能  # 更大 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 探索人工智能在物联网领域的影响与改变  Gartner发布中国企业人工智能趋势浪潮3.0  如何对员工进行再培训以充分利用供应链管理中的人工智能创新  上天下海登极，青岛与昇腾AI握手一起探索星辰大海  以计算机视觉技术为基础的库存管理如何改革零售行业  传Meta 2025年推出首款AR眼镜，采用军用级别材料，计划生产1000台  “思享荟”沙龙热议AIGC与元宇宙 复旦大学赵星畅谈深度数字化  笔神作文声讨学而思AI大模型 称用“爬虫”技术盗取数据  清华&中国气象局大模型登Nature：解决世界级难题，「鬼天气」预报时效首次达3小时  成功孵化首个大型模型解决方案的重庆人工智能创新中心  Meta Connect 2025已确定时间为9月27-28，主题涵盖Quest 3与AI技术  Hugging Face发布了基于NASA卫星数据构建的AI地理空间基础模型  苹果AIGC专利：可通过语音指令生成AR/VR虚拟场景  AIGC 风潮刮到游戏产业，巨人网络与阿里云达成“游戏 +AI ”合作  机器人 展才能  人工智能赋能无人驾驶：商业化进程再提速  独家视角：首次展示有人与无人协同打击的7000米高空察打一体无人机  组建团队，字节跳动要造机器人？  OpenAI限制网络爬虫访问以保护数据免被用于AI模型训练  套娃不可取：研究人员证实用AI生成的结果训练AI将导致模型退化  工业机器人及非标自动化设备集成服务提供商  梦想实现！硬核科幻大片VR智能头盔即将问世  普林斯顿大学推出 Infinigen AI 模型，生成真实自然环境 3D 场景  消息称 Meta Quest 将推 VR 游戏订阅：每月 7.99 美元，任选两款  借助ChatGPT快速上手ElasticSearch dsl  特斯拉门店可能启动机器人卖车？也许不是你想的那样  山东机器人编程：Scratch编程基础，认识舞台！~济南机器人编程  上新7款产品，美图继续“蹭”AI  不到2S创作AI图像！Snap发布图像生成器SnapFusion  Meta开源文本生成音乐大模型，我们用《七里香》歌词试了下  OpenAI 已全面开放 GPT-3.5 Turbo、DALL-E 及 Whisper API  AI时代，企业需要什么样的员工？  世界人工智能大会|“AI领航，共筑未来”高端保险论坛成功举办  华为云天筹AI求解器荣获世界人工智能大会最高奖  日本学校探索引入 AI 和无人机：提高安保效率，节省劳动力  微幼科技晨检机器人：幼儿园健康保障的新伙伴  人工智能和你聊天 成本有多高  元宇宙技术带你穿梭“大运河”，江苏书展上的数字阅读馆吸睛小读者  Prompt解锁语音语言模型生成能力，SpeechGen实现语音翻译、修补多项任务  英伟达的AI领域垄断地位：一直无法撼动吗？  生活垃圾智能分类机器人社区展“才能”，征求居民意见  美图影像节演讲实录：191次提及AI，发布7款影像生产力工具  改动一行代码，PyTorch训练三倍提速，这些「高级技术」是关键  陈根：AI工具为游戏软件实时3D内容助力  清华系面壁智能开源中文多模态大模型VisCPM ：支持对话文图双向生成，吟诗作画能力惊艳  将上下文长度扩展到256k，无限上下文版本的LongLLaMA来了？  食品分销跨国企业Sysco CIDO：我们的增长秘诀是以IT为中心  百亿量化私募：量化投资进入“精耕细作”时代 AI带来行业新变革  云南首例达芬奇机器人微创心脏手术成功开展  江永：精准施训提升通信无人机应急救援能力 

 2023-07-03