來自 Joseph Suarez 🐡（@jsuarez5341）的推文串

我們在最難的強化學習任務－神經多目標優化3（Neural MMO 3）上取得了明顯的SOTA（最先進水準），訓練步數達到6,500億（每次運行超過1PB的觀測資料）。計算浮點運算次數和參數均達到匹配水準。 問題在於：為了讓它發揮作用，我需要在性能上與 cuDNN LSTM 競爭。而這個網路需要多個卷積核。