PufferではMDP形式主義を完全に無視しています。全く役に立ちません。強化学習は純粋な経験科学であり、その進歩の大部分はパフォーマンスエンジニアリングに依存しています。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
1 件のツイート · 2025/11/26 20:34
PufferではMDP形式主義を完全に無視しています。全く役に立ちません。強化学習は純粋な経験科学であり、その進歩の大部分はパフォーマンスエンジニアリングに依存しています。