强化学习怎么学？DQN、PPO、玩游戏，一条龙打通
内容：1️⃣ 基础算法：DQN + PPO（必学，后续全靠它们）

2️⃣ 经典环境：Gym 小游戏（小车上山、倒立摆等），多 debug 理解底层逻辑

3️⃣ 结合大模型：用 RLHF/PPO 做偏好微调，打通概念闭环AI搞学习howto howto入门codex 深度学习 机器学习 计算机视觉 大模型 代码跑通 算法 科研