自回归MLP+PPO很简洁稳健

brandon_xyzw · x · 2026-07-14

作者认为，**自回归 MLP + PPO** 是一种“非常简单但优雅”的配置。他强调这种架构虽然参数不多，但给人的体验是**相当稳健**，暗示在训练或应用中可能具备不错的效果与可用性。