强化学习

在这次实践之前，我的模型训练经验主要停留在监督学习阶段：准备数据、训练、评估。

关于AI强化学习的几点记录一旦进项目，好看的架构图就没那么管用了。

Agent在环境里试错，跟人在公司里摸鱼本质上是一回事——都在寻找最优策略，只不过一个靠探索利用，一个靠踩红线与打擦边球。