Gud, den främsta intelligensen RL-invånarna har lagat mat så hårt En stor flaskhals i kontinuerligt lärande är att vi inte har ett generellt sätt att jämföra och utvärdera metoder över uppgiftsdomäner Jag tror att @carnot_cyclist kan ha löst detta

Jag ska inte spoila det eftersom jag vill att han ska skriva ett grymt blogginlägg om det. Men wow, det är bara en riktigt, riktigt ren formalism som kan användas till så många olika saker, och han har några fina tidiga experimentella resultat att visa upp det med