作者从 autograd 和张量库开始，在 MacBook 上造出 750k 参数 Dreamer。Actor 完全在想象 rollout 中训练，最终在 5 个 MinAtar 游戏全部超过随机基线；文章完整保留奖励错位、critic 过度乐观、CNN/多步 rollout 重建与消融结果。
博客
作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。
