DeepMind 新框架：在梦境中自我进化

也许我没理解对，但这是我对该论文所做工作的理解。

假设你有一个想要解决的问题（比如识别 OCR 处理后的手写字符，例如 MNIST 数据集）。你告诉 3 个智能体：“嘿，你们每个人都试着从该数据集中识别字符，努力做到最好。你们可以进行 10 步优化来继续提升。”当然，你不能给每个智能体无限的步骤，因为你的计算资源是有限的。

于是每个智能体开始工作，结束时，智能体 1 达到了 90% 的准确率，智能体 2 达到了 80%，智能体 3 达到了 89%。当然，智能体 1 赢了。

但随后你查看优化步骤，发现智能体 1 在第 2 步时就已经达到了 90% 的准确率。所以该智能体在接下来的 8 步里基本上毫无进展。而另一方面，智能体 3 可能在每一步优化中都在持续提升准确率，但到了第 10 步就被迫停止了。

现在，因为你记录了每个智能体的每一步，你知道下次该怎么做不同——你不会给智能体 1 分配那么多步骤，而是给智能体 3 更多步骤，因为这可能会导致智能体 3 得出更好的答案。

据我理解，他们构建的“搜索”控制器就是这种东西——一种自动评估并重新应用资源分配方式的方法，以便在面对新问题时能更有效地分配资源。

但我猜测我的误解在于，当将该搜索控制器应用于新问题时，它的适用性如何……