论文

【by 知乎】 去年此时我写了这篇文章，当时的主要目的是，想让读者在没有RL知识的情况下，能从直觉上快速理解代码，以便上手训练和修改。由于一切从“直觉”出发，因此有很多表述不准确的地方，所以最近我写了...