#Q-learning

当Q-learning超参数由性格决定：一个文明模拟器的强化学习设计复盘

一位开发者分享文明模拟器中每个agent的Q-learning超参数由人格特质决定的实现，包含alpha、gamma映射、奖励塑形缺陷（16%更新变负）及bootstrap掩码细节，并探讨性格驱动超参数的稳定性风险与改进方向。