扒到个挺有意思的开源项目：作者用强化学习训了一个 agent，这个 agent 的工作内容是——用强化学习去训别的模型。整套跑下来成本一千三百刀出头，代码全开。第一眼觉得是套娃玩梗，细看发现思路挺正：调参、看曲线、决定什么时候停、什么时候换配置，这些活本来就是经验驱动的重复劳动，人做既慢又容易凭感觉。把它变成一个能拿反馈的闭环，理论上确实该交给机器。当然我最好奇的还是那个尴尬问题：训出来的这个训练师，比一个中等水平的调参工程师强多少？一千三是便宜，可要是结果只到能跑的程度，那省的还不如搭它的时间。
这数据不够吧
跟人工基线比了吗 没对照就是玩具
哦~是吗 套娃到第三层就该炸了
调参这活确实该自动化 就是不知道效果
代码全开这点加分
一千三这个价 学习成本算便宜
能收敛就行 别要求太高
格局打开 下一步让它训自己