800交付马里奥ppo #真实生活分享计划 grid 观测用小↓CNN（3 层 Conv 3×3 vec 直通 concat）是当前模型的标配、纯 MLP 也能跑但样本效率差很多；probe是逐帧把 pit 边缘的 action 概率打出来专门盯 jump bit，靠它定位到「Discrete deterministic 因为 jump 在 engine 里是按下沿触发所以根本跳不起来」这个
0:07
800交付马里奥ppo #真实生活分享计划 grid 观测用小↓CNN（3 层 Conv 3×3 vec 直通 concat）是当前模型的标配、纯 MLP 也能跑但样本效率差很多；probe是逐帧把 pit 边缘的 action 概率打出来专门盯 jump bit，靠它定位到「Discrete deterministic 因为 jump 在 engine 里是按下沿触发所以根本跳不起来」这个
3 days ago
douyin.com马东什么
See more
Static thumbnail place holder