学习解决复杂任务序列——同时利用迁移学习并避免灾难性遗忘——仍然是实现人类水平智能的关键障碍。渐进网络方法在这方面取得了进展：它们对遗忘具有免疫性，并且可以通过横向连接先前学到的特征来利用先验知识。我们广泛评估了该架构在多种强化学习任务（包括Atari游戏和3D迷宫游戏）上的表现，并表明其性能优于基于预训练和微调的常见基线模型。通过使用一种新的敏感度测量方法，我们证明了迁移学习不仅发生在所学策略的低级感知层，还发生在高级控制层。