网友奇想:用PPO训练模型给自己出课再考试

cephaloform · x · 2026-10-14

一条颇有意思的脑洞:能否用 PPO(近端策略优化)训练一个模型来生成个性化课程让自己学习,再由另一个模型出题考试,用考试成绩当奖励信号——把强化学习套在「教我学习」这件事上。评论区的这条推文引发了关于 AI 个性化学习闭环的讨论。