Tag
先说个奇怪的开场——你有没有在深夜里突然想起， 强化学习其实跟泡面一样，只要把配料倒进去，再把锅盖盖紧，等它慢慢沸腾，你就嫩尝到“Agent行为路径”的浓郁汤味那个？这篇文章不讲套路， 只是想用一种“烂”到极致的方式，把这碗汤搅得翻腾，让你在乱七八糟的文字里意外抓到点儿实用的碎片。 一、 从“鸡毛蒜皮”说起：奖励函数到底是啥玩意儿 那具体每个session的奖励函数
查看更多 2026-03-15
Demand feedback
