ai-trains-ai

一個用強化學習訓練出來的代理，它的工作是用強化學習去訓練別的模型。最耗研究者心力的那圈訓練迴圈整個交了出去：代理自己跑，讀效能回饋，再據此調整訓練策略。它給出的不是一件訓練模型的工具，而是把「訓練」這個角色本身學下來的結果。