Tags: #大模型

突发奇想，光速写出来的 AI 海龟汤小游戏。没什么特别的技术，希望你玩得开心。

谈 RL，一个肯定绕不过去的话题就是 PPO，后续很多强化学习算法都是在 PPO 之上的改进，况且 PPO 本身的确也是介绍 RL 的良好例子。所以我们先讲 PPO。