言語
AI 實驗室 · 強化學習 · 可打分
調獎勵讓 AI 自我對弈，再對隨機對手測勝率。
人人會的井字遊戲。你調「贏 / 平 / 輸」的獎勵與探索率，讓 AI 自我對弈學習， 再對隨機對手測驗。勝率 ≥ 60% 過關。 獎勵塑造錯了（例如輸了反而給正分），怎麼練都不會強。