近日，DeepMind 开源了一个基于 TensorFlow 的强化学习库，名字叫 TRFL（译名：松露）。思路是模块化，强调灵活度：如果把造智能体想象成搭积木，许多关键的、常用的木块都在这里集合了：比如，DQN (深度 Q 网络) 、DDPG (深度确定策略梯度)，以及 IMPALA (重要性加权演员学习者架构) ，都是 DeepMind 功勋卓著的组件。库里面的组件，虽然来源各不相同，但都经过严密测试，因而相对可靠；并且只要一个API，对开发者比较友好。即便是 DeepMind 团队自身做研究，也严重依赖这个库。
深度强化学习 (DRL) ，依赖价值网络或策略网络的不断更新。DeepMind 团队发现，比起传统的 RL 更新，损失函数更加模块化，更容易结合到监督/无监督的目标里去。松露里包含了许多损失函数和运算，全部在纯 TensorFlow 里实现。不是完整算法，但是各自经过严密测试，可以用来搭成完整的智能体。
此前，Google 开源了强化学习框架 Dopamine，中文叫多巴胺，也是基于 TensorFlow。名字取自人类大脑奖励机制中的主角物质多巴胺，为了表达神经科学和强化学习之间的缘分联系。多巴胺框架，也是强调灵活性、稳定性和复现性。
项目 GitHub 地址