本文研究了神经政策学习在 NetHack 游戏中的表现，分析了符号代理与神经代理在这种环境中的性能差距，并通过建立一个大规模的演示数据集，在动作层次结构、神经架构增强和强化学习与模仿学习的整合方面进行了详细研究。结果表明，我们的神经代理在离线设置和中位游戏分数的在线设置方面均比以前的全神经政策高出了 127％和 25％，但我们也证明仅仅通过扩展网络规模无法弥合符号模型或甚至是顶尖人类玩家的性能差距。

May, 2023

本文介绍了一种基于 Roguelike 游戏 NetHack 的可扩展、程序生成、随机、丰富且具有挑战性的强化学习环境 NLE，它足够复杂以驱动长期探讨诸如探索、规划、技能获取和语言有条件 RL 等问题的研究，并且在大量经验收集方面大大降低了计算资源的要求。

Jun, 2020

介绍了 NetHack Learning Dataset（NLD）—— 一个高度可扩展的来自于极具挑战的游戏 NetHack，包含 10 亿个状态转换的大型数据集，研究展示了需要深入探讨在线离线强化学习以及学习演示等算法，才能更好地应用于挑战性的顺序决策制定任务。

Nov, 2022

NetPlay 是首个用于挑战性地牢游戏 NetHack 的 LLM 驱动的零 - shot 代理，它使用动态机器人环境的体系结构，并在处理不确定性任务描述和缺乏明确反馈方面存在困难。

Mar, 2024

本文中，我们介绍了 NetHack 这个强化学习研究领域的前沿，提到了一个新的入手点，即使用类似于机器人、推荐系统等其他领域的离线强化学习预收集数据集来取得突破，并提出了该方向目前存在三个障碍，即工具、实现和基准测试。为了解决这个问题，我们开发了一个开源库，提供了流程基本原则、预定义的 D4RL 风格任务，无杂项的基准实现以及可靠的评估工具和与云同步的配置和日志。

Jun, 2023

该论文总结了 NeurIPS-2022 神经多人在线游戏挑战赛的设计和结果，探索了该环境作为学习方法基准的潜力，并提出了一些对于具有稀疏奖励的复杂任务的实用强化学习训练方法。另外，论文还开源了基线模型，包括环境封装器、基准测试和可视化工具，以供未来研究使用。

Nov, 2023

MiniHack 是一个强大的沙箱框架，用于设计新的深度强化学习（RL）测试环境，其中包含了丰富和复杂的以网格为基础的游戏 NetHack 的所有实体和环境动态，MiniHack 可以使用人类可读的描述语言或简单的 Python 接口来轻松地设计新的 RL 测试环境或整合现有的 RL 基准测试。

Sep, 2021

探究模型和数据规模的逐渐扩大对模仿学习的影响，以 NetHack 游戏为基础，发现模仿学习在具有挑战性的领域中的扩展行为，以及在 NetHack 游戏中扩大当前方法以获得更强大的智能体的可行性。

Jul, 2023

该研究介绍了第一个深度强化学习代理，利用自然语言指令学习打败 Ataria 游戏。代理人利用环境观察和自然语言之间的多模态嵌入来自我监控进度，并通过完成自然语言指令来获得奖励。该代理人在 Montezuma's Revenge 环境上显著优于其他代理人。

Apr, 2017

本文提出了两种与过程生成动态变化的游戏中代理行为相关的网络结构方法，可以更好地处理复杂的分类状态空间，并减少了由于设计决策而强制重新训练的需要，从而使 DRL 更加适用于游戏产业。

Dec, 2020