驯服小丑牌:用强化学习把白注通关率推向 99%
如果要在 Balatro 白注达成 99% 的 Ante 8 通关率,RL 算法该怎么设计?本文从游戏机制建模、状态/动作空间、奖励塑形到算法选型,给出一份可落地的技术蓝图,并解释为什么纯 PPO 走不通、必须用 MCTS+RL 的混合架构。
AlphaZero
从 AlphaZero 到 Dota 2:强化学习的三道难关与破局之法
AlphaZero 与 OpenAI Five 是强化学习的两座里程碑。它们各自撞上了哪些墙?又用怎样的工程与算法创新把它们撞倒?本文用金字塔结构拆解:三大共性难关 —— 数据、稳定性、规模 —— 以及各自的破局之道。