パラメータ更新不要の強化学習！OpenAIの翁家翌氏が新パラダイムを提案：AIが.pyファイルを手作りして意思決定

OpenAIの研究員翁家翌氏は、ニューラルネットワークの訓練や勾配更新を一切行わず、GPT-5.4駆動のCodexによるコード編集のみで強化学習を実現する新しいパラダイム「ヒューリスティック学習（HL）」を提案。AtariゲームBreakoutで完璧な864点を達成し、Atari 57ベンチマークでPPOと同等の性能、ロボット連続制御タスクでも最先端の結果を示した。解釈可能性、破滅的忘却への耐性、高いサンプル効率を備える。