來自 Joseph Suarez 🐡（@jsuarez5341）的推文串

今天，我編寫了三個內核，融合了循環單元中的各種門控和掃描，以及一個融合的 PPO 損失內核。結果是，在開始優化之前，訓練速度就達到了每秒 200 萬步以上。今天開發時間超過 12 小時。明天，我打算舉重一整天，好好放鬆一下。支援 pufferlib。