#强化学习历史

nanoAlphaZero：单文件JAX实现24小时训练2700分棋力

nanoAlphaZero是一个用JAX编写的单文件AlphaZero实现，在TPU v4-32上24小时内训练出Elo 2700+国际象棋模型。整个强化学习管线浓缩为一个JIT编译的JAX函数，支持国际象棋、围棋等多种棋类游戏。