标签： python pytorch reinforcement-learning
我实际上使用 Python 和 Pytorch 创建了一个强化学习算法，并尝试学习俄罗斯方块游戏。好消息是，我的经纪人学得很好。但是在获得非常高的分数后，代理崩溃并得到一堆 0 分数。我不知道是什么问题。在 0 分之后，智能体会成波地进化。高分和 0 分行。有没有人知道学习算法在什么时候可以做这样的事情？