本文介绍了 Local Learner（2L），一种用于提供一组参考策略以指导在双人零和博弈中寻找策略的算法，并使用 MicroRTS 等三个游戏进行了实证研究，结果表明，与传统方法相比，2L 能够学习到提供更强的搜索信号的参考策略。同时，在 MicroRTS 比赛中，使用 2L 的综合策略表现优于两个最新 MicroRTS 比赛的获胜者，这些获胜者是由人类程序编写的。

Jul, 2023

本文介绍一种用于程序自动合成的方法，通过结合模式识别和显式推理来解决这些复杂的编程问题，同时使用新颖的中间表示和训练算法，使程序合成系统能够自学，从而在简单的英文描述编程问题数据集上取得了最先进的性能表现。

Feb, 2019

使用程序合成方法对深度强化学习代理进行模仿，以了解其学习的概念和决策过程。

Sep, 2023

本研究介绍了一种利用学习指导自下而上程序搜索的新兼并方法，以中间的程序为基础，通过输入输出示例进行搜索，从而构建程序，该方法在程序综合方面非常有效。

Jul, 2020

本研究使用神经网络生成 API-heavy Java 代码，根据方法中仅出现的几个 API 调用或数据类型，生成满足语法和语义约束的源代码。

Mar, 2017

使用行为克隆从单个人类示范中学习任务，通过使用线性变换增强单个示范来生成一系列初始条件广泛变化的轨迹，从而成功训练行为克隆智能体完成三个方块操作任务，并通过在推断期间将行动预测的标准差纳入集成方法中，使方法对环境中的意外变化更加稳健，从而实现了显著的性能提升。

Sep, 2023

本文讲述了我们参加 MineRL 2019 比赛的经历，我们使用行为克隆的算法来预测人类玩家的行动并在最终排名中获得了第五名，同时我们也发现了这种方法性能会根据训练停止的时间而有明显变化，我们进行了更多的实验来研究不同的工程决策对性能的影响。

May, 2020

本研究通过学习的方式提供了一种猜测赢得 LTL 综合问题特定形式的胜利策略的技术，并在比较之前的相关研究的基础上，结合人类类推角度将在构建游戏状态的高度结构化逻辑信息，即语义标记方面的显著优化。

May, 2023

使用贝叶斯规划归纳发现对称学习、适应性依赖于时间跨度的随机探索和离散状态转换等在经典的增量学习中困难或出乎意料的策略。

Feb, 2024

本论文提出一种 MORL 的框架，通过程序合成技术实现对基于神经网络的黑箱模型深度强化学习策略的改进，得到符号表示形式，使其可以被手动或自动调试，经过行为克隆和梯度下降法的改进，不断迭代直到满足所需约束，在 CartPole 问题上的实例研究表明该方法能够进行高效的策略学习改进。

Jul, 2018