研究突破 · 人工校订条目
DQN 登上《Nature》，深度强化学习直接从像素学习控制策略
Human-level control through deep reinforcement learning
- 日期
- 2015 年 2 月 26 日
- 类别
- 研究突破
- 机构 / 模型
- DeepMind
- 证据
- 1 条 · 1 类
DeepMind 用同一套网络结构与超参数，从原始像素和游戏得分信号学会 49 款 Atari 游戏，其中多款超过人类专业测试者。它把深度网络与 Q 学习结合，证明端到端强化学习能处理高维感知输入。
校订注记：Nature 论文 DOI 核对
人工校订来源 · 1
引用本页
DQN 登上《Nature》，深度强化学习直接从像素学习控制策略[EB/OL]. AI 纪年, 2015-02-26. https://aihist.net/e/dqn-2015.html（访问日期：2026-10-25）.
静态页随内容修订重新构建；实时合并证据与自动采集条目见时间轴。