前言这个想法其实已经在脑海里酝酿很久了，但是今天决定开个博客记录一下整个思考的过程，不然额也不知道会拖到什么时候才去做这个。

本章内容参考：【【强化学习的数学原理】课程：从零开始到透彻理解（完结）】

脑子：学会了。手：断幺九！

科学麻将死路一条。

时序差分算法对于大部分强化学习现实场景（例如电子游戏或者一些复杂物理环境），其马尔可夫...

LLM is all you need.

“思想总是走在行动的前面，正如闪电总是走在雷鸣之前。” — — 海涅

转载自：用通俗易懂的方式讲解大模型分布式训练并行技术：概述_大模型训练 资源分配-CSDN博客

第一节 初探强化学习

应该整点（伪）技术性文章了。