来点强化学习笑话 鼓励一个走迷宫 AI 尽量去那些没见过的场景，结果 AI 找到了一个迷宫里的电视，不用动就能不断地见到新东西 《智能体只想看电视》 模型训练很慢，随便写点 bug 很多天以后才会观察到迹象 我入门强化学习做的项目 NIPS2017-LearningToRunACE ，是在虚拟环境训练一个机器人跑步，要在规定时间跑得最远，模型输入就是各个机器人关节的速度位置，障碍物的位置等等，然后输出肌肉的舒张收缩控制量当年强化学习搭好框架…。
{dede:pagebreak/}
为什么知乎上很多人觉得新加坡不适合定居？ 
如何看待 Mac mini M4 支持可更换 SSD？ 
你身边身材最好的女生是什么样？ 
如何评价林志玲？ 
有什么单一功能的私有网盘？ 
一句话概括你有多喜欢你的猫? 
为什么rmvb格式消失了,它在技术上比不上H264吗？ 
Anthropic 推出的 Claude Code 是什么技术原理呢？ 
请问照片里这个人是谁呀？ 
golang为什么要内置map？ 
喀什会成为下一个深圳么？ 
有人说24GB和48GB内存容量是新一代电脑平台最均衡的方案，真的是这样吗？电脑内存应该如何选？ 
可以随身携带一个Linux系统吗？ 
python与nodejs哪个性能高？ 
搭建家庭 NAS 服务器有什么好方案？ 
所谓「无锁数据结构」，是不是可以理解为本质上并不是「无锁」，而只是锁定粒度降到了最低？ 
