在最新的討論中，科技專家John Carmack提出了一種名為CLOP的局部特徵交換技術，旨在提高強化學習中的泛化能力。這一方法涉及對3D張量（在批處理中為4D）的隨機局部交換，具體來說，在每個位置上以一定概率與相鄰位置進行交換，並將所有通道視為一個單位進行操作。這種技術類似於dropout，但不會將任何通道清零，而只是重新排列它們。Carmack指出，在潛在空間進行數據增強比在輸入空間中更為高效，建議在空間層次的較低位置進行操作，但在2×2的層級進行交換可能不合適，因為這樣會影響一半的空間信息。此外，他提到在每個遊戲中調整交換概率的做法，這在報告多個遊戲的結果時通常不會被採用。雖然在純監督學習任務中的結果並不突出，但CLOP的不同應用和訓練策略可能會帶來更好的效果。