发表时间：2020（ICLR 2020）
文章要点：这篇文章设计了一个工具用来分析RL agent的各种能力，比如有没有记忆功能，泛化性如何，探索能力强不强，credit assignment做得怎么样，对reward scale稳不稳健等等，然后自动生成一个pdf的测试报告，让你以后写paper可以直接放在附录做appendix。设计的思路就是专门针对某个具体问题来设计一些环境（比如你想测credit assignment，就设计一个序列很长的环境，只在最后有一个reward，并且最后的reward只和你在第一个状态做的动作有关），然后你设计的算法在这上面跑，完了就生成这个算法的实验结果。有点像RL界的单元测试。目前的环境貌似还很简单，都是bandit,cartpole,deep sea这种toy environment的感觉。可能在前期设计和调整算法的时候，先在这样的简单环境上测试一下，方便调试。
总结：有点那个意思了，就是想分析算法各个方面的能力，但是环境还是太简单，测试的维度还比较少，不一定就真的能反应出问题。
疑问：无
Behaviour Suite for Reinforcement Learning（bsuite）
原文：https://www.cnblogs.com/initial-h/p/15047195.html