Karpathy 讲解深度强化学习：从像素训练 Pong 策略梯度智能体

Andrej Karpathy 发布长文讲解强化学习，用 130 行 Python 仅依赖 numpy 的脚本，以 Policy Gradients 从原始像素训练出能在 ATARI Pong 中略胜内置 AI 的 2 层策略网络，约 8000 个 episode、20 万局游戏、800 次参数更新。