应该就是增强学习吧

【 在 zhuxiaozhu 的大作中提到: 】
: 求教一个问题哈
: “基本思路就是mcts做策略搜索，ai去学会mcts的结果，并成为mcts的评价函数反过来提升mcts的效果。”
: 具体到楼主视频里的场景，好奇ai+mcts是怎么work的，假设给足够的时间、遇见足够的cornercase，但如果有新的cornercase 这套方法能从本质上解决这个问题吗？
: ...................
--
FROM 58.246.115.*