摘要：
RL episode 长度 = 1，先用 PPO 在 low-fidelity env 上学；维护一个 reward 的方差，如果方差足够小，就从 low-fidelity env 迁移到 high-fidelity env。 阅读全文
摘要：
安利一天能免费使用 10 次且好用的工具 Mathpix。 阅读全文
摘要：
motivation：一些预算用于训 low-fidelity model，剩下预算用于 Monte Carlo 模拟，以得到结果。数学证明：近似 + 递推或迭代或归纳法。总结：目前看来，对a56爆大奖在线娱乐的工作意义不大。 阅读全文