正在加载线程详情
正在从 X 获取原始推文,整理成清爽的阅读视图。
通常只需几秒钟,请稍候。
共 1 条推文 · 2025年11月24日 20:14
用一句话概括强化学习:将每个奖励传递给导致该奖励的每一个动作,并在每一步进行折扣。