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

本文总结了第一次 NeurIPS 2021 NetHack Challenge 的主要论点，该挑战赛旨在使用强化学习或符号学习等方法开发一个程序或代理，与 NetHack 学习环境进行交互，以赢得这个迷宫探索游戏。结果表明，符号 AI 目前在 NetHack 中的表现远优于深度强化学习，并且没有代理成功通关游戏，NetHack 由此成为一个长期的 AI 研究基准。

Mar, 2022

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

以离线强化学习方向研究四足机器人腿部鲁棒动作，通过经典模型预测控制方法收集数据集，并与基于模型无关的在线强化学习方法进行对比，发现离线强化学习算法在某些任务上能够超越模型无关的在线强化学习算法，但在稳定性和快速适应性方面仍存在差距，该研究为测试和评估离线强化学习算法在实际四足机器人运动任务中的表现提供了一个发展平台。

Sep, 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

本文提出了一个名为 NeoRL 的近实际场景离线强化学习基准，对现有的离线 RL 算法进行了评估，并提出了应该将策略的性能与确定性行为策略版本相比较，从而在现实中实现 RL 技术应用的验证和部署。

Feb, 2021

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

本研究为解决离线情境下强化学习（RL）的挑战，特意设计离线 RL 的基准测试任务，指导现实世界中数据集集合的设计与收集，并在开源代码上进行了综合评估，以便研究人员能够进一步完善现有算法及在这一新兴领域展开合作与探索。

Apr, 2020

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

本文提出了面向离线安全强化学习挑战的综合基准套件，包括从环境到离线学习算法的具体实现和高质量数据集，通过对 3 8 类流行自动驾驶任务的数据收集与处理，最终提供了有价值的研究参考。

Jun, 2023