Language
AI 實驗室 · 強化學習 · 可打分
調吃果／死亡／每步成本與學習參數，訓練蛇活得久、吃得多。
真正要優化的是整局吃了幾顆，不是「下一秒有沒有吃到」。 「馬上追果」常常把路堵死；「長遠總分」會在不安全時故意晚點吃，改走 S 形掃場。 過關看平均吃果 ≥ 12（Q 學習需先訓練）。
本局吃了 0 顆 · 步數 0
策略（比的是整局總分）
建議先選「長遠總分」按測平均分／看這一局，再對照「貪心追果」——同樣規則下，誰的整局總分高就對了。 Q 學習若獎勵太強調立刻吃果，會學成貪心，難學到長遠策略。