红杉-研究树 一个在持续性学习，强化学习和自我监督学习交汇处进行研究的游乐场。 加入以获取有关项目状态和新版本的不频繁更新（<1 / mo。）。 请注意：这仍在进行中！ 动机： 大多数应用的机器学习研究通常要么提出新的设置（研究问题），提出新的方法（解决此类问题的方法），要么同时提出这两种方法。 在提出新设置时，研究人员几乎总是必须重新实施或大量修改现有解决方案，然后才能将其应用于新问题。 同样，在创建新方法时，通常通常需要先重新创建其他基准论文的实验设置，甚至重新创建基准方法本身