p> 孙悟空嘴里嚼着 SARSA 算法炼制的金丹，嘟囔着说道：“还是蒙特卡洛采样痛快啊！”他一边说，一边用手摸了摸金箍棒，那上面残留的时间差分误差还在不停地报警。
猪八戒则望着自己那可怜的 -666 的累计奖励，哀嚎道：“早知道就该听沙师弟的，用 Actor-critic 方法了……”
而此时，十绝阵的残骸已经化作了一本本强化学习的教材，秦天君的幡旗也变成了一根马尔可夫链的教鞭。袁角捧着那已经烧焦的 q 表，痛哭流涕：“老夫的探索率啊……”
红孩儿却在废墟里开心地烧烤着拟合金丹，还兴奋地喊道：“这玩意吃了会让人变成复读机哦！”
突然从九仙山传来骑手哀嚎：\"陆哥...归零者...把桃源洞改成自动驾驶训练场...广成子在搞仙鹤路径规划...\"