DeepMind后训练负责人将赴牛津演讲策略梯度局限

2026年10月12日，有报道称，Google DeepMind 后训练科学团队负责人 Ian Osband 将于 10 月 19 日下午 2 点在牛津大学数学研究所发表题为《The Price of Learning（学习的代价）》的演讲。报道称，他主张策略梯度是一种很糟糕的学习方式，并将从学习代价的角度阐述这一强化学习方法的局限性。截至该报道发布，演讲尚未举行，报道未披露更多信息，也未出现与之矛盾的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。