· 72:49 · 完整中英
强化学习的产品边界：会答题之后，还要学会行动与提问
嘉宾 / 主讲：吴翼
回听：01:55–06:14。 猫狗分类有标注答案，模型判断一次就结束；游戏需要连续决定向左、向右还是跳跃，很多路线都能赢。强化学习（RL）根据行动后的奖励改进策略，解决的正是“过程有多种选择，最后才知道好坏”的问题。
42 ZHANGJING · EPISODE COLLECTION
42章经 · 单期精读
把每一期的具体机制、案例和适用条件，变成随时能找到的阅读入口。先选主题，再找嘉宾；也可以按时间回看观点如何变化。
日期均为原节目发布日期；同一期可属于多个主题。嘉宾身份与观点保留节目当时的语境。