{“status”：“ok”，“messagetype”：“work”，”message-version“：“1.0.0”，“消息”：{“indexed”:{“date-parts”：[[2024,8,7]]，“date-time”：”2024-08-07T07:39:35Z“，”timestamp“：1723016375460}，”publisher-location“：”California“，”reference-count“：0，”publish“：”International Joint Conferences on Artificial Intelligence Organization“，”content-domain“：{”domain“[]，“交叉标记限制”：false｝，“短容器标题”：[]，“已出版印刷品”：｛“日期部分”：[[2018,7]]｝，“摘要”：“Arcade Learning Environment（ALE）是一个评估平台，它提出了在数十款Atari 2600游戏中构建具有通用能力的AI代理的挑战。它支持各种不同的问题设置，并且越来越受到科学界的关注。在本文中，我们对ALE如何被研究团体使用进行了全面了解。我们关注ALE中评估方法的多样性，并在评估此平台中的代理时强调一些关键问题。我们使用此讨论来介绍我们认为的ALE未来评估的最佳实践。为了进一步推动该领域的进展，我们还引入了一个新版本的ALE，它支持多种游戏模式，并提供了一种我们称之为粘性动作的随机性<\/jats:p>“，”DOI“：”10.24963\/ijcai.2018\/787“，”type“：”procesedings-article“，”created“：{”date-parts“：[[2018,7,5]]，”date-time“：”2018-07-05T01:49:10Z“，”timestamp“：1530755350000}，“page”：“5573-5577”，“source”：”Crossref“，”is-referenced-by-count“：2，”title“：[”重温街机学习环境：普通代理的评估协议和开放问题（扩展摘要）“]，”前缀“：”10.24963“，”作者“：[{“given”：“Marlos”，“family”：“C.Machado”，“sequence”：“first”，“affiliation”：[{“name”：“University of Alberta”}]}，{“given”:“Marc”，“家族”：“G.Bellemare”name“：”Google Brain“}]}，{“given”：”Erik“，”family“：”Talvitie“，”sequence“：”additional“，”affiliation“：[{“name”：”Franklin&Marshall College“}]]}，}“givin”：“Joel”，“family”：“Veness”，“sequence”：“additional”，“affiliance”：[{name”：“DeepMind”}]}“：”Microsoft Research“}]}，{“给定“：”Michael“，”family“：”Bowling“，”sequence“：”additional“，”affiliation“：[{”name“：”Alberta大学“}，{”name“：”DeepMind“}]}]，”member“：”10584“，”event“：{”number“：第二十七届国际人工智能联合会议{IJCAI-18}“，“开始”：{“日期-部分”：[[2018,7,13]]}，“主题”：“人工智能”，“地点”：“瑞典斯德哥尔摩”，“结束”：{“日期-部件”：[[2018,7,19]]}}，”集装箱标签“：[“第二十届国际人工智慧联合会议记录”]，“原始标题“：[]，”存放“：{”日期部分“：[[2018,7,5]]，”日期时间“：”2018-07-05T01:56:05Z“，”时间戳“：1530755765000}，”分数“：1，”资源“：{“primary”：{“URL”：“https:\/\/www.ijcai.org\/crocessouss\/2018\/787”}}，“副标题”：[]，“proceedings-subject”：“人工智能研究文章”，“短标题”：[]、“发布”：日期部分“：[[2018,7]]}，”references-count“：0，”URL“：”http://\/dx.doi.org\/10.24963\/ijcai.2018\/787“，”relation“：{}，”subject“：[]，”published“：{”date-parts“：[[2018,7]]}}}