Eureka 合作研究：奖励代码的搜索、评估与反思

人工整理｜Jim Fan列Equal Advising的合作研究原页，说明以环境源码和任务描述生成奖励代码，再用GPU仿真评估候选并把训练统计作为奖励反思反馈；人的反馈也可修订奖励。配图是研究团队的反馈结构示意，可用于理解程序生成与评价闭环，不能由静图认证步态效果。原项目引用年份2023，网页发文日未知。GPT-4、仿真与GPU运行未证明免费，本批未调用模型、安装仿真器、播放影片或复验论文成绩；非Jim独作。