来自 Joseph Suarez 🐡（@jsuarez5341）的推文线程

今天，我编写了三个内核，融合了循环单元中的各种门控和扫描，以及一个融合的 PPO 损失内核。结果是，在开始优化之前，训练速度就达到了每秒 200 万步以上。今天开发时间超过 12 小时。明天，我打算举重一整天，好好放松一下。支持 pufferlib。