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。

Pippit AI

CapCut推出的AI创意内容生成工具

133 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！

# 别再  # 岳塘区网站建设招标  # seo薪资标准  # 营销推广需要准备什么  # 菏泽短视频seo推荐  # seo闪电算法视频  # 湛江地产网站推广  # 平台智能营销推广是什么  # 网站建设意义必要性  # 南岗网站seo优化  # 黄村推广营销电话  # 蒙特利尔  # AI  # 站上  # 解决问题  # 更大  # 开源  # 腾讯  # 两小时  # 达利  # 就能  # 速通  # 效率 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 云笔记本电脑有什么用  皓影混动仪表盘上power是什么意思  sql isnull函数如何使用  db2命令中如何去到指定的副本  如何使用net命令  如何引用typescript中的方法  calm是什么意思  linux下如何重定位命令  市盈率估值1stdv是什么意思  开机如何进入命令行模式  课程伴侣登不上怎么办  typescript 如何使用  春运哪天抢票最好  固态硬盘坏了如何换硬盘  linux如何打开命令窗口  咋免费领取爱奇艺会员 如何免费领取爱奇艺会员步骤  faq是什么意思  r中如何逐行执行命令  阿里云盘的会员怎么用  ao3镜像网站哪个好  硬件如何执行命令  闲鱼上面的power是什么意思  如何检测固态硬盘温度  春运抢票在哪儿抢票  如何加装固态硬盘  夸克内测有什么好处  j*a怎么声明byte数组  如何查看硬盘是固态硬盘  夸克学习都有什么课程  animal是什么意思  a03怎么根据编号找文链接入口  路由器power灯一直亮是什么意思  solo交友软件怎么恢复聊天记录  linux如何合并分区命令  春运抢票失败怎么抢  新网站如何填写域名解析  哪些框架支持typescript  手机nfc功能功能是什么意思  typescript与es6学哪个  品道音响上的power键是什么意思  命令行ftp如何创建目录  苹果16哪些功能好用  对象数组怎么用j*a  如何查看电脑的固态硬盘  360f4怎么取消百变壁纸  url解码什么意思  debian和ubuntu命令一样吗  怎么在爱奇艺中投屏到电视最新方法  linux如何调出命令行  performance是什么意思