来自 Joseph Suarez 🐡（@jsuarez5341）的推文线程

我们在最难的强化学习任务——神经多目标优化3（Neural MMO 3）上取得了明显的SOTA（最先进水平），训练步数达到6500亿（每次运行超过1PB的观测数据）。计算浮点运算次数和参数均达到匹配水平。 问题在于：为了让它发挥作用，我需要在性能上与 cuDNN LSTM 竞争。而这个网络需要多个卷积核。