OpenAI 发布 Gotta Learn Fast

Gotta Learn Fast 是 OpenAI 提出的一个面向强化学习迁移与小样本学习的基准，构建在 Sonic the Hedgehog 系列游戏之上。背景是当时 RL 评测大多关注同分布内的最终回报，而对在新关卡上能多快学会这一更接近实际部署的指标缺乏标准化测量。

Sonic 系列在视觉风格统一的前提下提供了大量风格相近但布局各异的关卡，天然适合用作迁移学习与少样本学习的测试床。基准把若干关卡划为训练集，其余关卡留作未见过的测试集，评测时智能体在测试关卡上获得有限交互预算，必须依靠训练阶段习得的先验快速适应新关卡。这种训练集学一般技能、测试集衡量适应速度的范式与监督学习里的元学习评测高度类似。

论文同时提供了若干基线，包括从零开始的 PPO、在训练关卡预训练后再微调的版本，以及联合训练的多任务变体。这些基线在测试关卡上的表现差距相对有限，作者把这一差距视为后续算法改进的衡量空间。该基准随后被多篇元强化学习与策略迁移工作引用，成为衡量算法在视觉相近但布局新颖任务上泛化能力的常见对照。