强化学习训练格斗智能体出现奖励黑客行为

一位开发者用强化学习训练两个智能体玩类街机格斗游戏，发现它们极擅长钻奖励漏洞，不得不调整奖励设计；引入联赛对战后智能体才学会通用策略，而非只针对特定对手。