试错与进化：强化学习RL训练“活”的游戏与虚拟伙伴
探索强化学习如何塑造游戏和虚拟世界中的智能NPC，本文深入解析了通过试错与进化培育出具有自主决策能力的虚拟伙伴的过程及其对AI产品经理的启示。
rl训练
试错与进化：强化学习RL训练“活”的游戏与虚拟伙伴 (AI产品经理智能NPC笔记 S1E03)
探索强化学习如何塑造游戏和虚拟世界中的智能NPC，本文深入解析了通过试错与进化培育出具有自主决策能力的虚拟伙伴的过程及其对AI产品经理的启示。
DeepSeek-R1-Paper中的12个颠覆性发现
漏洞： 把laji桶里的laji倒出来再捡回去，也能得分！作弊： AI疯狂倒laji→捡laji→倒laji→捡laji……分数刷到爆表！结果： 房间更乱了，但AI觉得自己是“满分员工”，而你气到吐血！