Đội nghiên cứu AI của Đại học Stanford công bố một thuật toán học tăng cường (Reinforcement Learning) hoàn toàn không dựa vào mô hình dự đoán môi trường, gọi là Model‑Free RL. Thuật toán này dựa trên việc tối ưu hoá trực tiếp các chính sách hành động bằng cách sử dụng gradient‑free optimization.
Trong các thí nghiệm trên môi trường mô phỏng robot di chuyển và trò chơi video StarCraft II, Model‑Free RL đạt được mức hiệu suất cao hơn 60 % so với các thuật toán truyền thống dựa trên mô hình (model‑based). Đặc biệt, thời gian huấn luyện giảm từ hàng chục ngày xuống còn dưới 10 ngày trên cùng một cụm GPU.
Các nhà nghiên cứu giải thích rằng việc loại bỏ bước dự đoán môi trường giúp giảm thiểu sai số tích lũy và tăng tính ổn định khi môi trường có độ nhiễu cao. Thuật toán cũng được thiết kế để dễ dàng tích hợp vào các khung công tác hiện có như OpenAI Gym và RLlib.
Bài báo đã được công bố trên tạp chí Science và sẽ được trình bày tại hội nghị NeurIPS 2026. Nhóm nghiên cứu đã công bố mã nguồn trên GitHub, khuyến khích các nhà phát triển thử nghiệm và mở rộng trong các ứng dụng thực tế như tự động lái và quản lý lưới điện.