多樣性就是你所需要的（Diversity Is All You Need, DIAYN）

DIAYN 是無獎勵技能發現最有名的具體配方，它把一句口號化成目標：技能的價值，取決於你能否從它做的事把它們區分開來。具體而言，智能體在回合開始時抽一個技能編碼 z，依一個以技能為條件的策略行動，每當它造訪的狀態讓一個獨立分類器容易猜出它正在執行哪個 z 時，就獲得獎勵。各技能彼此競爭，去佔據狀態空間裡各不相同、可辨識的角落。

形式上的目標，是最大化技能 z 與智能體造訪狀態 s 之間的互資訊，同時用一個熵的紅利讓策略的動作保持多變。實務上你訓練一個判別器去從 s 預測 z，並用它指派給真實技能的對數機率，當作內在獎勵。互資訊的目標把不同技能推向不同的狀態分布，而熵則防止每個技能塌縮成單一僵硬的行為。

DIAYN 令人印象深刻之處在於：在環境獎勵為零的情況下，它就發現了真正有用的行為——智能體單憑「想變得可區分」的驅力，就學會走、跳、或往不同方向移動——這些隨後能為階層控制鋪路，或為下游任務暖身。它已知的限制是覆蓋率：因為獎勵只要求可區分性，技能傾向散布在容易抵達的狀態，可能錯過真正目標所在意的那些罕見、攸關任務的區域。