Elo scores

发现新的强化学习缩放定律，提高性能预测能力

研究人员在 Starpilot 和 Craftax 两个环境中发现了强化学习（RL）的实证缩放定律。这些定律能够准确预测大规模训练任务的性能、资源分配和超参数配置，计算量可扩展达两个数量级。该研究使用 Elo 分数作为比平均回合回报更具可预测性的性能指标，在 Craftax 环境中取得了新的最先进水平。然而，在 Craftax 中观察到了计算最优模型尺寸的非单调缩放模式，这与一种称为“Ray interference”的现象有关。