已收录文章摘要，完整内容可前往原文阅读。
导语：人类和其他动物使用的强化学习机制，是进化经过无数代试错"发现"的。而人工智能体通常使用手工设计的规则。几十年来，自主发现强大强化学习算法一直是难以实现的目标。2025年10月，Google De